2447 पेपर
यह शोध पत्र बड़े पैमाने के, उच्च-रिज़ॉल्यूशन वाले स्थानिक दिशात्मक डेटा के लिए मौजूदा रैप्ड गॉसियन प्रोसेस विधियों की कम्प्यूटेशनल सीमाओं को संबोधित करने हेतु एक रैप्ड गॉसियन मार्कोव रैंडम फील्ड (WGMRF) मॉडल प्रस्तावित करता है, जो सिमुलेशन और 2004 के हिंद महासागर सुनामी के तरंग दिशा डेटा के एक अनुप्रयोग के माध्यम से इसकी बेहतर स्केलेबिलिटी और भविष्य कहनेवाला प्रदर्शन को प्रदर्शित करता है।
यह शोध पत्र लीनियर मिक्स्ड मॉडल मेटा-रिग्रेशन में इंटरेक्शन प्रभावों का पता लगाने के लिए मजबूत पूरक उपकरणों के रूप में ट्री-आधारित विधियों, विशेष रूप से स्टेबिलिटी-सिलेक्टेड रैंडम इफेक्ट्स ट्रीज़ की प्रभावशीलता का मूल्यांकन करता है, जो यह प्रदर्शित करता है कि जब इंटरेक्शन नॉनलीनियर होते हैं तो वे पारंपरिक लीनियर विधियों की तुलना में श्रेष्ठ हैं और अध्येशनों की संख्या बढ़ने के साथ उनकी बढ़ती प्रतिस्पर्धात्मकता भी स्पष्ट होती है।
यह शोध पत्र एक मोंटे कार्लो सिमुलेशन अध्ययन का उपयोग यह प्रदर्शित करने के लिए करता है कि जबकि फाइनाइट सिलेक्शन मॉडल में मध्यम संवर्धन (augmentation) कोवेरिएट संतुलन में सुधार करता है, अत्यधिक संवर्धन विचरण (variance) को बढ़ाता है, जिससे दक्षता और व्यवहार्यता के बीच संतुलन बनाने के लिए इष्टतम संवर्धन पैरामीटर चुनने हेतु व्यावहारिक दिशा-निर्देश प्राप्त होते हैं।
यह शोध पत्र बहुभिन्नसंख्यक (multivariate) और स्थानिक चरम मान सिद्धांत (spatial extreme value theory) के सांख्यिकीय आधारों को प्रस्तुत करता है और वास्तविक दुनिया के परिदृश्यों में चरम घटना जोखिमों का आकलन करने के लिए R पैकेज ExtremalDep को लागू करने हेतु व्यावहारिक, चरण-दर-चरण मार्गदर्शन प्रदान करता है।
यह शोध पत्र सापेक्ष जोखिम (रिलेटिव रिस्क), ऑड्स रेश्यो और उनके लघुगणकों (लॉग्स) के लिए दो-चरणीय अनुक्रमिक अनुमानकों (टू-स्टेज सीक्वेंशियल एस्टिमेटर्स) का प्रस्ताव करता है जो किसी भी जनसंख्या मापदंडों के लिए एक लक्षित माध्य-वर्ग त्रुटि (मीन-स्क्वेर एरर) की गारंटी देते हैं और एक नियंत्रित नमूना आकार अनुपात बनाए रखते हुए क्रैमर-राओ बाउंड के निकट उच्च दक्षता प्राप्त करते हैं।
यह शोध पत्र CausalPitfalls को प्रस्तुत करता है, जो एक व्यापक बेंचमार्क है जिसे प्रत्यक्ष और कोड-सहायता प्राप्त प्रॉम्प्टिंग प्रोटोकॉल के माध्यम से सिम्पसन के विरोधाभास (Simpson's paradox) जैसे सांख्यिकीय कारण संबंधी अनुमान (statistical causal inference) के दोषों को संभालने में लार्ज लैंग्वेज मॉडल्स की महत्वपूर्ण सीमाओं का कठोरता से मूल्यांकन करने और उन्हें उजागर करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र B-ODIL को प्रस्तुत करता है, जो कि ऑप्टिमाइज़ेशन ऑफ अ डिस्क्रीट लॉस (ODIL) विधि का एक बेयसियन विस्तार है, जो अनिश्चितताओं के परिमाण के साथ इन्वर्स समस्याओं को हल करने के लिए डेटा लाइक्लीहुड के साथ PDE-आधारित पूर्व ज्ञान को एकीकृत करता है, और सिंथेटिक बेंचमार्क तथा MRI स्कैन से ब्रेन ट्यूमर की सांद्रता का अनुमान लगाने के लिए एक नैदानिक अनुप्रयोग के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र cc-Shapley को प्रस्तुत करता है, जो shapley values का एक कॉज़ल-कॉन्टेक्स्ट (causal-context) संशोधन है जो डेटा-जनरेटिंग प्रोसेस के ज्ञान का लाभ उठाकर कोलाइडर बायस (collider bias) और सप्रेशन (suppression) के कारण होने वाले भ्रामक फीचर एट्रिब्यूशन को समाप्त करता है, जिससे व्याख्यात्मक एआई (explainable AI) और वैज्ञानिक खोज के लिए अधिक सटीक मल्टीवेरिएट फीचर महत्व (multivariate feature importance) प्रदान किया जा सके।
यह शोध पत्र KRAFTY को प्रस्तुत करता है, जो एक नवीन मल्टी-व्यू क्लस्टरिंग फ्रेमवर्क है जो ऑर्थोगोनल सबस्पेस में संयुक्त क्लस्टर्स को दर्शाने के लिए एक ट्रांसपोज़्ड खात्री-राओ मैट्रिक्स का उपयोग करता है, जिससे वास्तविक क्लस्टर संरचनाओं की सटीक रिकवरी और प्रभावी मॉडल चयन सक्षम होता है, भले ही संयुक्त क्लस्टर्स की संख्या व्यक्तिगत व्यूज़ के क्लस्टर्स के योग से अधिक क्यों न हो।
यह शोध पत्र एक नई लीस्ट ट्रिम्ड स्क्वेयर्स रिग्रेशन विधि प्रस्तावित करता है जो लुप्त मानों (missing values) को एक साथ संभालती है, केसवाइज और सेलवाइज आउटलेर्स का प्रतिरोध करती है, विषम वितरणों (skewed distributions) को समायोजित करती है, और रोबस्ट आउट-ऑफ-सैंपल भविष्यवाणियां सक्षम करती है।