2390 पेपर
यह शोध पत्र "यूनिवर्सल वॉर्मअप पाथ" (Universal Warmup Path) प्रस्तुत करता है, जो एक साक्ष्य-आधारित रूटिंग ढांचा है जो एक सैंपलर-स्वतंत्र कंपास और कॉन्फिडेंस-अवेयर निर्णय द्वारों के माध्यम से स्थानीय अनुकूलन और वैश्विक पोस्टीरियर ज्योमेट्री को एकीकृत करता है, जो पारंपरिक फिक्स्ड-शेड्यूल वॉर्मअप विधियों की तुलना में बेहतर सैंपलिंग दक्षता और सुदृढ़ विफलता प्रबंधन प्रदर्शित करता है।
यह शोध पत्र एक नवीन कारण मध्यस्थता विश्लेषण (causal mediation analysis) ढांचे का प्रस्ताव करता है जो साझा यादृच्छिक प्रभावों (shared random effects) के साथ संयुक्त मॉडलिंग का विस्तार करता है ताकि प्राकृतिक प्रत्यक्ष और अप्रत्यक्ष प्रभावों को परिमाणित किया जा सके, जब कारण संबंधी अनुदैर्ध्य (longitudinal) और पुनरावर्ती घटना मध्यस्थ (recurrent event mediators) एक उत्तरजीविता परिणाम (survival outcome) को प्रभावित करते हैं, जिससे अनुक्रमिक अज्ञानता (sequential ignorability) की धारणाओं को शिथिल किया जा सके और अनमापित भ्रम कारकों (unmeasured confounders) को समाहित किया जा सके।
यह शोध पत्र एम(',',)सी(',',)एम(',',)सीं (MCMC) नमूनों का उपयोग करके ब्लॉक मॉडल के मार्जिनल लाइकलीहुड (marginal likelihoods) की गणना करने के लिए एक सिमुलेशन-कंसिस्टेंट (simulation-consistent), एसिम्प्टोटिकली नॉर्मल (asymptotically normal), और लेबल-स्विचिंग-इनवेरिएंट (label-switching-invariant) एस्टिमेटर प्रस्तावित करता है, जो विश्लेषणात्मक बेंचमार्क और COP28 सोशल नेटवर्क डेटासेट के एक अनुप्रयोग के माध्यम से अपनी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र अर्ध-पैरामीट्रिक बेयसियन काउंट डेटा रिग्रेशन के लिए एक मार्जिनल डेटा ऑग्मेंटेशन दृष्टिकोण प्रस्तुत करता है जो लेटेंट ज़ीरो परिणामों को रीस्केल करने के लिए एक वर्किंग पैरामीटर का उपयोग करता है, जिससे पोस्टीरियर डिपेंडेंसीज़ कम होती हैं और सिमुलेशन तथा ऑस्ट्रिया में उप-राष्ट्रीय मृत्यु दर को मॉडल करने वाले एक जनसांख्यिकीय अनुप्रयोग के माध्यम से प्रदर्शित मार्कोव चेन मोंटे कार्लोो सैंपलिंग दक्षता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक डिज़ाइन-आधारित ढांचे का प्रस्ताव करता है जो एक सर्वेक्षण-भारित छद्म-संभाव्यता (pseudo-likelihood) के माध्यम से अव्यक्त चरों (latent variables) और रिपोर्टिंग व्यवस्थाओं को संयुक्त रूप से मॉडल करके, पश्च वितरण भविष्य कहनेवाला प्रतिकृति (posterior predictive replicates) उत्पन्न करता है, ताकि विचरण अपघटन (variance decomposition) के माध्यम से अनिश्चितता को स्पष्ट रूप से प्रसारित करते हुए मानक अनुमानकों को लागू किया जा सके और सीमित-जनसंख्या सर्वेक्षणों में स्व-रिपोर्ट स्थूलता (self-report coarsening) को संबोधित किया जा सके।
यह शोधपत्र ऑटोमैटिक डिबायस्ड मशीन लर्निंग में रीज़ रिप्रेजेंटर (Riesz representer) की पहचान करने और उसका अनुमान लगाने के लिए एक सामान्य ढांचा स्थापित करता है, जो एंडोजेनिटी (endogeneity) के साथ डीप न्यूरल नेटवर्क जैसे लचीले मॉडलों के उपयोग को सक्षम बनाता है और साथ ही परिशुद्धता में सुधार करने तथा डाइमेंशनलिटी के अभिशाप (curse of dimensionality) को कम करने के लिए शेप कंस्ट्रेंट्स (shape constraints) को शामिल करता है।
यह शोध पत्र भारी-पूंछ वाले दस्तावेज़ों की लंबाई से उत्पन्न होने वाली पावर-लॉ शब्द आवृत्तियों का लाभ उठाकर, लेटेंट डिरिच्लेट एलोकेशन (LDA) टॉपिक मैट्रिसेस का अनुमान लगाने के लिए एक कुशल टेंसर अपघटन एल्गोरिदम प्रस्तावित करता है, जो वास्तविक दुनिया के अनुप्रयोगों में मजबूती प्रदर्शित करता है।
यह शोध पत्र Causal-TS को प्रस्तुत करता है, जो उच्च-आयामी, गैर-स्थिर (nonstationary) बहुभिन्नचर समय श्रृंखला (multivariate time series) में कारण संबंधी खोज (causal discovery) के लिए डिज़ाइन किया गया एक ओपन-सोर्स पायथन लाइब्रेरी है, जिसमें विशेष एल्गोरिदम, GPU-त्वरित सशर्त स्वतंत्रता परीक्षण (conditional independence testing), और एक एंड-टू-एंड पाइपलाइन शामिल है जो शासन पहचान (regime detection), कारण संरचना शिक्षण (causal structure learning), और प्रभाव अनुमान (effect estimation) को एकीकृत करती है।
यह शोध पत्र एक सुलभ मल्टी-स्कैन जनरलाइज्ड लेबलड मल्टी-बर्नौली (GLMB) सन्निकटन प्रस्तावित करता है जो उच्च-आयामी लेबलड मल्टी-ऑब्जेक्ट पोस्टीरियर डेंसिटीज को प्रभावी ढंग से अनुमानित करने के लिए कुलबैक-लीब्लर डाइवर्जेंस को न्यूनतम करता है, जिसे सिम्युलेटेड और वास्तविक दुनिया के सोशल फोर्स ट्रैकिंग प्रयोगों दोनों के माध्यम से मान्य किया गया है।
यह शोध पत्र एक नवीन ग्लोबली अलाइन्ड प्रिंसिपल कंपोनेंट एनालिसिस (GAPCA) पद्धति प्रस्तावित करता है जो एक नियमित अनुकूलन ढांचे के माध्यम से समूह-विशिष्ट और वैश्विक प्रधान घटकों को जोड़कर स्थानीय समूह-विशिष्ट विविधताओं को पकड़ने और वैश्विक तुलनीयता को संतुलित करने का कार्य करता है, जो सिमुलेशन और वास्तविक सामाजिक-आर्थिक डेटा दोनों में बेहतर स्थिरता और व्याख्यात्मकता प्रदर्शित करता है।