2447 पेपर
यह शोध पत्र "repro samples विधि" को प्रस्तुत करता है, जो "अनियमित" समस्याओं—जैसे कि असतत या गैर-संख्यात्मक मापदंडों वाले मामले—में प्रदर्शन-गारंटीकृत सांख्यिकीय अनुमान लगाने के लिए एक अभिनव और बहुमुखी ढांचा है, जो शास्त्रीय ढांचों को समाहित करता है और गॉसियन मिश्रण मॉडल (Gaussian mixture models) में अनिश्चितता को मापने जैसी दीर्घकालिक चुनौतियों के समाधान प्रदान करता है।
यह शोध पत्र कोपुल पूर्वानुमानों (copula forecasts) की तुलना करने के लिए एक नवीन बहु-उद्देश्यीय स्कोर (multi-objective scores) पेश करते हुए एक सिद्धांत-आधारित ढांचे का प्रस्ताव करता है जो कोपुल की अंतर्निहित गैर-प्रकटीकरण क्षमता (non-elicitability) पर विजय प्राप्त करता है, जिससे एक दो-चरणीय परीक्षण प्रक्रिया संभव होती है जो कोपुल की भविष्य कहने वाली सटीकता और उसके सीमांत वितरणों (marginal distributions) के बीच अंतर करती है।
यह शोध पत्र एक लक्षित संभाव्यता वितरण (target probability distribution) से नमूने लेने के लिए कुल्बैक-लीब्लर विचलन (Kullback–Leibler divergence) के वासेरस्टीन-फिशर-राओ ग्रेडिएंट फ्लो (Wasserstein–Fisher–Rao gradient flow) के सन्निकटन हेतु एक नवीन अनुक्रमिक मोंटे कार्लो (Sequential Monte Carlo) एल्गोरिदम प्रस्तावित करता है, जो अन्य लोकप्रिय मोंटे कार्लो विधियों के विरुद्ध एक अनुभवजन्य तुलना प्रदान करता है।
यह शोध पत्र MACE-TNP का प्रस्ताव करता है, जो एक मेटा-लर्निंग-आधारित ट्रांसफार्मर मॉडल है जो कॉज़ल डिस्कवरी (कारण संबंधी खोज) में संरचनात्मक अनिश्चितता की कम्प्यूटेशनल जटिलता को दूर करने के लिए बेयसियन मॉडल-एवरेज्ड इंटरवेंशनल डिस्ट्रीब्यूशन्स (बेयसियन मॉडल-औसत हस्तक्षेप वितरण) का कुशलतापूर्वक अनुमान लगाता है।
यह शोध पत्र ट्रिप्ली रोबस्ट पैनल (TROP) एस्टीमेटर प्रस्तुत करता है, जो पैनल डेटा में कारण अनुमान (कॉज़ल इन्फरेंस) के लिए एक नई विधि है जो विभिन्न सिम्युलेटेड सेटिंग्स में डिफरेंस-इन-डिफरेंस और सिंथेटिक कंट्रोल जैसे पारंपरिक एस्टीमेटर्स से बेहतर प्रदर्शन करने के लिए लो-रैंक फैक्टर मॉडलिंग को यूनिट और टाइम वेट्स के साथ जोड़ती है।
यह शोध पत्र एक वेरिएशनल ऑटोएनकोडर (VAE) ढांचे का प्रस्ताव करता है ताकि एक एमोर्टाइज्ड इन्फरेंस (amortized inference) दृष्टिकोण का उपयोग करके साधारण अवकल समीकरणों पर आधारित नॉनलीन मिश्रित प्रभावों वाले मॉडलों (NLME-ODEs) में पैरामीटर अनुमान में सुधार किया जा सके, जो पारंपरिक MCMC-आधारित विधियों की कम्प्यूटेशनल जटिलताओं और अभिसरण संबंधी समस्याओं से बचता है।
यह शोध पत्र टेंसर प्रोडक्ट बी-स्प्लाइन्स (tensor product B-splines) और एक ग्रुप लासो प्रायर (group lasso prior) का उपयोग करते हुए एक बेयज़ियन स्थानिक रूप से परिवर्तनशील गुणांक मॉडल (Bayesian spatially varying coefficient model) प्रस्तावित करता है, जो स्थानिक रूप से परिवर्तनशील पर्यावरणीय चालकों को मॉडल करने और चर चयन (variable selection) करने के लिए एक साथ कार्य करता है, जिससे प्रभावी रूप से यह पहचान की जा सकती है कि विभिन्न परिदृश्यों में कौन से भविष्यवक्ता वनस्पति सूचकांकों को महत्वपूर्ण रूप से प्रभावित करते हैं।
यह शोधपत्र सामान्यीकृत पॉइसन, नकारात्मक द्विपद और द्विपद सीमांत वितरणों का उपयोग करके पूर्व-निर्धारित सहसंबंधों के साथ बहुभिन्नरूपी असतत डेटा उत्पन्न करने के लिए एक नए एल्गोरिदम का प्रस्ताव करता है, जो सिम्युलेटेड और वास्तविक दुनिया के परिदृश्यों दोनों के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र मॉडिफाइड फंक्शनल ट्रीटमेंट पॉलिसी (MFTP) एस्टिमैंड को पेश करते हुए फंक्शनल ट्रीटमेंट्स के साथ कॉज़ल इन्फरेंस के लिए एक नवीन ढांचे का प्रस्ताव करता है, जो अनंत-आयामी प्रक्षेप पथों (trajectories) पर औसत निकालने की चुनौतियों से पार पाने के लिए फंक्शनल प्रिंसिपल कंपोनेंट एनालिसिस (FPCA) अपघटन का उपयोग करता है, और सिमुलेशन एवं वास्तविक NHANES डेटा के माध्यम से प्रमाणित पहचान योग्य एस्टिमेटर्स का एक समूह प्रदान करता है।
यह शोध पत्र RAPID को प्रस्तुत करता है, जो एक नया प्रकटीकरण जोखिम माप (disclosure risk measure) है जो यह मात्रा निर्धारित करता है कि सिंथेटिक माइक्रोडेटा एट्रिब्यूट अनुमान (attribute inference) के प्रति कितना संवेदनशील है, यह मापकर कि एक विरोधी केवल सिंथेटिक डेटासेट पर प्रशिक्षित मॉडलों का उपयोग करके संवेदनशील जानकारी की कितनी प्रभावी ढंग से भविष्यवाणी कर सकता है।