2411 पेपर
यह शोध पत्र विविक्त-मान वाले समय श्रृंखला (discrete-valued time series) के लिए एक लचीले कोपुला-शैली के बहुभिन्नचर मॉडल का विस्तार करता है, जिसमें इसके अनुमानकों (estimators) के विश्लेषणात्मक मानक त्रुटियों को व्युत्पन्न किया गया है और लेटेंट गॉसियन डायनेमिक्स पर सुदृढ़ सांख्यिकीय अनुमान की सुविधा के लिए उनकी संयुक्त स्पर्शोन्मुख सामान्यता (joint asymptotic normality) स्थापित की गई है।
यह शोध पत्र सिलिकॉन सैंपलिंग (silicon sampling) के लिए एक कठोर मूल्यांकन ढांचे के रूप में "क्रॉस-सर्वे ट्रांसफर" (cross-survey transfer) को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) अनदेखी मदों (unseen items) पर 52% सटीकता के साथ व्यक्तिगत सर्वेक्षण प्रतिक्रियाओं की भविष्यवाणी कर सकते हैं—जो लगभग सुपरवाइज्ड बेसलाइन्स (supervised baselines) के बराबर है—जबकि निर्माण पूर्वानुमेयता (construct predictability) के एक स्थिर पदानुक्रम और वेरिएंस कोलैप्स (variance collapse) एवं सुरक्षा संरेखण (safety alignment) के संबंध में सूक्ष्म सीमाओं को भी उजागर करता है।
यह शोध पत्र एक कर्नेल फजी रिलेशनल क्लस्टरिंग (KFRC) ढांचे का प्रस्ताव करता है जो एक स्पेक्ट्रली ट्यून्ड बैंडविड्थ चयन एल्गोरिदम और एक नवीन फजीफायर फंक्शन से सुसज्जित है ताकि शास्त्रीय फजी क्लस्टरिंग की सीमाओं, जैसे कि मापदंडों के प्रति संवेदनशीलता और एकसमान समाधान, को दूर किया जा सके, जिससे जटिल ज्यामितीय क्लस्टर संरचनाओं की स्थिर रिकवरी सुनिश्चित हो सके।
यह शोध पत्र मनमाने अर्ध-स्थानों (half-spaces) पर आधारित करके बहुभिन्नरूपी सामान्यीकृत पारेटो वितरणों (multivariate generalized Pareto distributions) के लिए दिशात्मक वेरिएोग्राम (directional variograms) प्रस्तुत करता है, विशिष्ट मॉडलों के लिए बंद-रूप अभिव्यक्तियों (closed-form expressions) को व्युत्पन्न करता है, और सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि कई दिशाओं में सूचनाओं को संयोजित करना पूर्वाग्रह और विचरण के बीच संतुलन बनाकर अनुमान दक्षता में महत्वपूर्ण सुधार करता है।
यह शोधपत्र एक परिणाम-अनुकूलित (outcome-adapted) ऑटोमैटिक डिबायस्ड मशीन लर्निंग एस्टीमेटर का प्रस्ताव करता है जो कोवेरियेट्स (covariates) के एक स्पार्स न्यूरल नेटवर्क प्रतिनिधित्व को सीखकर और परिणाम की भविष्यवाणी करते हुए रिएज़ रिप्रेजेंटर (Riesz representer) के बारे में जानकारी को त्यागकर एसिम्प्टोटिक दक्षता (asymptotic efficiency) और अनुमान सटीकता में सुधार करता है।
यह शोध पत्र CaSPECT को प्रस्तुत करता है, जो एक कारण स्पेक्ट्रल क्लस्टरिंग (causal spectral clustering) ढांचा है जो एक सुदृढ़ रूप से उन्मुख निर्देशित अचक्रीय ग्राफ (directed acyclic graph) की टोपोलॉजी और किनारों के भार (edge weights) के आधार पर व्यक्तियों को एम्बेड करके कारण-रूप से सजातीय उपसमूहों (causally homogeneous subgroups) की पहचान करता है, जिससे पूर्व-निर्धारित प्रोपेंसिटी मॉडल के बिना सुसंगत उपचार प्रभाव अनुमान (treatment effect estimation) सक्षम होता है।
यह शोध पत्र एआई-मध्यस्थता वाली बातचीत (AI-mediated conversations) में कारण संबंधी अनुमान (causal inference) के लिए एक संभावित परिणामों के ढांचे (potential outcomes framework) को विकसित करता है, जो असाइनमेंट स्थितियों, विशिष्ट संदेशों और वास्तविक बातचीत की विशेषताओं जैसे विभिन्न कारण संबंधी वस्तुओं (causal objects) के बीच अंतर करता है ताकि उन विशिष्ट अनुमानित मानों (estimands) और पहचान संबंधी धारणाओं (identifying assumptions) को स्पष्ट किया जा सके जिनकी आवश्यकता तब होती है जब बातचीत केवल प्राप्त होने के बजाय अंतर्जात रूप से उत्पन्न (endogenously generated) होती है।
यह शोध पत्र एक लक्षित अत्यधिक अनुकूलनशील लासो (Targeted Highly Adaptive Lasso - HAL) विधि प्रस्तावित करता है जो निरंतर डोज़-रिस्पॉन्स कर्व जैसे गैर-पाथवाइज डिफरेंशिएबल फंक्शनल मापदंडों के लिए आयाम-मुक्त (dimension-free), एसिम्प्टोटिक रूप से सामान्य अनुमान प्राप्त करने के लिए एक लासो-आधारित लक्ष्यीकरण चरण को पाथवाइज डिफरेंशिएबल सन्निकटन के साथ जोड़ता है, जो बिना किसी पैरामेट्रिक धारणा के मानक प्लग-इन अनुमानकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र कर्नेल घनत्व अनुमान (kernel density estimation) के लिए एक भविष्य कहनेवाला बेयस ढांचा (predictive Bayesian framework) स्थापित करता है, जो भविष्य कहने वाले मापों (predictive measures) के लगभग निश्चित कमजोर अभिसरण (almost sure weak convergence) को सिद्ध करता है और उनके सीमित क्षणों (limiting moments) एवं विश्वसनीयता अंतराल (credibility intervals) के लिए अनुमानक व्युत्पन्न करता है, जबकि यह प्रदर्शित करता है कि ये अनुक्रम मानक सशर्त समान रूप से वितरित (conditional identically distributed) धारणाओं में विफल होने के बावजूद अभिसरित होते हैं।
यह शोध पत्र दो-पैरामीटर गामा वितरण के लिए एक सुदृढ़ मिनिमम डेंसिटी पावर डाइवर्जेंस एस्टिमेटर (MDPDE) प्रस्तावित करता है, जो इसके सैद्धांतिक गुणों को स्थापित करता है और सिमुलेशन तथा भारतीय मानसून वर्षा डेटा के माध्यम से यह प्रदर्शित करता है कि यह पारंपरिक मैक्सिमम लाइकलीहुड एस्टीमेशन की तुलना में आउटलेर्स के विरुद्ध मजबूती और सांख्यिकीय दक्षता के बीच एक बेहतर संतुलन प्रदान करता है।