stat.ME

Learning Sequential Decisions from Multiple Sources via Group-Robust Markov Decision Processes

यह शोध पत्र विषम बहु-साइट डेटा से सुदृढ़ अनुक्रमिक निर्णय नीतियों (sequential decision policies) को सीखने के लिए फीचर-वाइज अनिश्चितता सेटों (feature-wise uncertainty sets) और एक निराशावादी ऑफलाइन एल्गोरिदम (pessimistic offline algorithm) के साथ एक ग्रुप-रोबस्ट मार्कोव डिसीजन प्रोसेस फ्रेमवर्क प्रस्तावित करता है, जो मजबूत स्टेट-एक्शन रेक्टेंगुलैरिटी धारणाओं पर निर्भर किए बिना उप-इष्टतम गारंटी (suboptimality guarantees) प्राप्त करता है।

Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning

यह शोध पत्र एक ट्रांसफॉर्मर रीइन्फोर्समेंट लर्निंग दृष्टिकोण प्रस्तावित करके मौजूदा टाइम सीरीज़ ए/बी टेस्टिंग डिज़ाइनों की सीमाओं को संबोधित करता है जो पूर्ण ऐतिहासिक संदर्भ का लाभ उठाता है और बिना किसी प्रतिबंधात्मक धारणाओं के सीधे मीन स्क्वेर्ड एरर को अनुकूलित करता है, जो सिंथेटिक, सिम्युलेटेड और वास्तविक दुनिया के डेटासेट पर बेहतर प्रदर्शन प्रदर्शित करता है।

Causal Inference for Preprocessed Outcomes with an Application to Functional Connectivity

यह शोध पत्र इंट्रा-सब्जेक्ट प्रीप्रोसेसिंग से प्राप्त व्युत्पन्न परिणामों पर कारण अनुमान (कॉज़ल इन्फरेंस) के लिए मल्टीपली रोबस्ट एस्टिमेटर्स के साथ एक सेमीपैरामेट्रिक फ्रेमवर्क प्रस्तावित करता है, जो ऑटिज्म स्पेक्ट्रम डिसऑर्डर वाले बच्चों में उत्तेजक दवाओं (स्टिमुलेंट मेडिकेशन) के मस्तिष्क कनेक्टिविटी पर प्रभाव का विश्लेषण करने के लिए इस पद्धति को लागू करता है।

Hybrid$^2$ Neural ODE Causal Modeling and an Application to Glycemic Response

यह शोधपत्र एक हाइब्रिड$^2$ न्यूरल ODE फ्रेमवर्क प्रस्तावित करता है जो टाइप 1 मधुमेह वाले व्यक्तियों के लिए ग्लाइसेमिक प्रतिक्रियाओं को मॉडल करने में अत्याधुनिक भविष्य कहनेवाला प्रदर्शन प्राप्त करने के साथ-साथ कारण व्याख्यात्मकता (causal interpretability) को बनाए रखने के लिए उपचार प्रभाव रैंकिंग पर आधारित एक नवीन कारण हानि (causal loss) को एकीकृत करता है।

A Deterministic Information Bottleneck Method for Clustering Mixed-Type Data

Model-assisted inference for dynamic causal effects in staggered rollout cluster randomized experiments

यह शोध पत्र एक डिज़ाइन-आधारित ढांचे के अंतर्गत स्टैगर्ड रोलआउट क्लस्टर रैंडमाइज्ड प्रयोगों में गतिशील कारण प्रभावों (डायनामिक कॉज़ल इफेक्ट्स) का विश्लेषण करने के लिए कोवेरिएट एडजस्टमेंट के साथ स्केल्ड क्लस्टर-पीरियड टोटल्स का उपयोग करने वाले मॉडल-असिस्टेड रिग्रेशन एस्टिमेटर्स की निरंतरता (कंसिस्टेंसी), एसिम्प्टोटिक नॉर्मलिटी और दक्षता लाभों को स्थापित करता है।

Bayesian Kernel Machine Regression via Random Fourier Features for Estimating Joint Health Effects of Multiple Exposures

यह शोध पत्र कई एक्सपोजर के संयुक्त स्वास्थ्य प्रभावों का अनुमान लगाने के लिए सुपरवाइज्ड रैंडम फूरियर फीचर्स का उपयोग करते हुए एक गणनात्मक रूप से कुशल बेयसियन कर्नल मशीन रिग्रेशन विधि प्रस्तावित करता है, जो सिमुलेशन और जन्म के वजन पर वायु प्रदूषण के प्रभाव के एक बड़े पैमाने के विश्लेषण दोनों में पारंपरिक BKMR की तुलना में अपनी बेहतर गति और सटीकता प्रदर्शित करता है।

M-SGWR: Multiscale Similarity and Geographically Weighted Regression

यह शोध पत्र M-SGWR का प्रस्ताव करता है, जो एक नवीन मल्टीस्केल स्थानीय प्रतिगमन ढांचा (multiscale local regression framework) है जो स्थानिक अंतःक्रियाओं को मॉडल करने के लिए भौगोलिक निकटता और विशेषता समानता दोनों को एकीकृत करके स्थानिक विश्लेषण को बढ़ाता है, तथा सिमुलेशन और अनुभवजन्य अनुप्रयोगों में पारंपरिक GWR-आधारित मॉडलों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

Causal Imitation Learning Under Measurement Error and Distribution Shift

यह शोध पत्र \texttt{CausIL} का प्रस्ताव करता है, जो एक कॉज़ल इमिटेशन लर्निंग फ्रेमवर्क है जो शोर वाले स्टेट मेजरमेंट्स और डिस्ट्रीब्यूशन शिफ्ट्स से मजबूत पॉलिसियों को रिकवर करने के लिए प्रॉक्सिमल कॉज़ल इन्फरेंस का लाभ उठाता है, जो सेमी-सिमुलेटेड मेडिकल डेटा पर स्टैंडर्ड बिहेवियरल क्लोनिंग से बेहतर प्रदर्शन करता है।

Group Sequential Methods for the Win Ratio

यह शोध पत्र विन रेश्यो (win ratio) के लिए इसके साहचर्य सहप्रसरण संरचना (asymptotic covariance structure) को व्युत्पन्न करके यह स्थापित करता है कि शास्त्रीय ग्रुप सीक्वेंशियल विधियों के लिए आवश्यक स्वतंत्र वृद्धों (independent increments) की धारणा लागू होती है, जिससे यह सिद्ध होता है कि इस एंडपॉइंट का उपयोग करने वाले रैंडमाइज्ड परीक्षणों में पारंपरिक $\alpha$-स्पेंडिंग फंक्शन्स को वैध रूप से लागू किया जा सकता है।