2447 पेपर
यह शोध पत्र एक नवीन रैंक-आधारित परीक्षण ढांचे का प्रस्ताव करता है जो गैर-सामान्यता (non-normality) और स्थानिक ऑटोकोरिलेशन (spatial autocorrelation) को ध्यान में रखते हुए, कई कृषि क्षेत्रों में उपज गुणवत्ता वितरण की मजबूती से तुलना करने के लिए स्थानिक कर्नेल स्मूथिंग (spatial kernel smoothing) और सैटरथवेट सन्निकटन (Satterthwaite approximation) का उपयोग करता है।
यह शोध पत्र उपचार प्रभाव विषमता (treatment effect heterogeneity) के अनुमान के लिए इंटरैक्टेड टू-स्टेज लीस्ट स्क्वेयर्स (interacted two-stage least squares) की कारण संबंधी व्याख्या को स्पष्ट करता है, यह प्रदर्शित करते हुए कि कंप्लायर्स (compliers) के बीच कोवेरिएट-विशिष्ट प्रभावों का सुसंगत अनुमान लगाने के लिए एक प्रतिबंधात्मक रैखिक IV-कोवेरिएट इंटरैक्शन स्थिति की आवश्यकता होती है जो सामान्यतः तब तक पूरी नहीं होती जब तक कि कोवेरिएट्स श्रेणीबद्ध (categorical) न हों या इंस्ट्रूमेंट यादृच्छिक रूप से असाइन न किया गया हो।
यह शोध पत्र सब-गॉसियन थिनिंग एल्गोरिदम के लिए एक नए लो-रैंक विश्लेषण को प्रस्तुत करता है जो किसी भी वितरण और कर्नेल के लिए उच्च-गुणवत्ता वाले डेटा संपीड़न की गारंटी देता है जब डेटा लगभग लो-रैंक हो, जिससे वितरण के दायरे और आयाम निर्भरता की पिछली सीमाओं को पार करते हुए ट्रांसफार्मर अटेंशन सन्निकटन, स्टोकेस्टिक ग्रेडिएंट प्रशिक्षण और वितरण परीक्षण में व्यावहारिक सुधार सक्षम होते हैं।
यह शोध पत्र एक सामान्य रणनीति प्रस्तावित करता है जो आइटम पैरामीटर अनुमान और नमूना मोमेंट प्रतिस्थापन परिवर्तनशीलता (sample moment substitution variability) दोनों को ध्यान में रखते हुए प्रयुक्त होने वाले एसिम्प्टोटिक मानक त्रुटियों (asymptotic standard errors) को व्युत्पन्न करती है, और आइटम रिस्पॉन्स थ्योरी के अंतर्गत ग्रेडेड रिस्पॉन्स मॉडल के तहत CTT और PRMSE विश्वसनीयता गुणांकों के लिए विश्वसनीय सैंपलिंग परिवर्तनशीलता अनुमानों की गणना करने हेतु इस ढांचे को लागू करती है।
यह शोध पत्र एक नवीन अनुकूलतम परिवहन-आधारित (optimal transport-based) जनरेटिव मॉडल प्रस्तावित करता है जो एक संदर्भ वितरण से उन बायेसियन पश्च वितरणों (Bayesian posterior distributions) तक एक नियत मानचित्र (deterministic map) सीखता है जिनमें अगम्य सामान्यीकरण स्थिरांक (intractable normalizing constants) होते हैं, जिससे कुशल नमूनाकरण, मिश्रित पैरामीटर स्थानों का लचीला प्रबंधन और अन्वेषणात्मक विश्लेषण के लिए नए उपकरण सक्षम होते हैं।
यह शोधपत्र बड़े रैंकिंग लंबाई के लिए आवश्यक वितरण मापदंडों (distributional parameters) का अनुमान लगाने हेतु मोंटे कार्लो सैंपलिंग और बहुपद प्रतिगमन (polynomial regression) का उपयोग करते हुए, स्वतंत्रता के अंतर्गत भारित रैंकिंग सहसंबंध गुणांकों (weighted ranking correlation coefficients) के गैर-शून्य अपेक्षित मान को सुधारने के लिए एक सामान्य मानकीकरण फलन प्रस्तावित करता है।
यह शोधपत्र bhetGP को प्रस्तुत करता है, जो एक ओपन-सोर्स बेयसियन हेटरोस्केडैस्टिक गॉसियन प्रोसेस फ्रेमवर्क है जो इनपुट-निर्भर शोर वाले बड़े पैमाने के स्टोकेस्टिक सिमुलेशन के लिए स्केलेबल, फुल-पोस्टीरियर इन्फरेंस को सक्षम करने हेतु एलिप्टिकल स्लाइस सैंपलिंग और वेकिया एप्रोक्सिमेशन को जोड़ता है।
यह शोध पत्र मिश्रित-डेटा मिश्रण मॉडलों (mixed-data mixture models) के लिए एक स्केलेबल कोऑर्डिनेट एसेंट वेरिएशनल इन्फरेंस (CAVI) एल्गोरिदम का प्रस्ताव करता है जो MCMC की तुलना में कम कम्प्यूटेशनल लागत पर अनिश्चितता परिमाणीकरण (uncertainty quantification) प्रदान करता है, जबकि सैद्धांतिक रूप से इष्टतम दरों पर इसके वास्तविक मापदंडों की ओर अभिसरण (convergence) को स्थापित करता है।
यह शोध पत्र एक बड़े पैमाने का अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एंकर रिग्रेशन और एक नवीन एंकर बूस्टिंग विधि विषम आईसीयू (ICU) डेटासेट में आउट-ऑफ-डिस्ट्रीब्यूशन भविष्य कहनेवाला प्रदर्शन में सुधार करती है, साथ ही लक्षित-डोमेन नमूनों की उपलब्धता के आधार पर बाहरी डेटा का लाभ उठाने के लिए इष्टतम रणनीतियों को निर्धारित करने हेतु एक रूपरेखा भी प्रस्तावित करता है।
यह शोध पत्र एक पूर्णतः बेयसियन अर्ध-पैरामीट्रिक मॉडल प्रस्तुत करता है जो शोर युक्त कैल्शियम इमेजिंग डेटा से न्यूरोनल स्पाइकिंग गतिविधि का संयुक्त रूप से अनुमान लगाता है और स्थानिक रूप से सुसंगत एन्सेम्बल्स की पहचान करता है, जिससे यह विश्लेषण सक्षम होता है कि हिप्पोकैम्पल न्यूरोनल समन्वय किसी जानवर की अंतरिक्ष में स्थिति के साथ कैसे बदलता है।