2412 पेपर
यह शोध पत्र e-प्रक्रियाओं पर आधारित एक अनुक्रमिक, संरचना-संवेदनशील नैदानिक पद्धति प्रस्तावित करता है जो मानक मान-आधारित विसंगति जाँचों द्वारा अक्सर अनदेखी की जाने वाली सुसंगत अवशिष्ट पैटर्न (residual patterns) की पहचान करके PDE व्युत्क्रम समस्याओं में गलत निर्दिष्ट मॉडलों का पता लगाता है, जिससे किसी भी समय वैध त्रुटि नियंत्रण प्रदान होता है और मॉडल सुधार के लिए मार्गदर्शन मिलता है।
यह शोध पत्र लेबल शिफ्ट के तहत टू-साइडेड सेंसर्ड गॉसियन रिग्रेशन के लिए एक कॉन्फॉर्मल बेयस फ्रेमवर्क पेश करता है जो मिश्रित उच्चतम घनत्व भविष्यवाणी सेटों (highest density prediction sets) का निर्माण करने के लिए पोस्टीरियर प्रेडिक्टिव टिल्टिंग को वेटेड कॉन्फॉर्मल कैलिब्रेशन के साथ जोड़ता है, जो सेंसर डेटा की जटिल मिश्रित डिस्क्रीट-कंटीन्यूअस प्रकृति के अनुकूल होते हुए मार्जिनल कवरेज को प्रभावी ढंग से पुनर्स्थापित करता है।
यह शोध पत्र पॉइसन कंपाउंड निर्णय समस्याओं (Poisson compound decision problems) के लिए बेयसियन और क्वासी-बेयसियन एम्पिरिकल बेयस रणनीतियों के बीच एक सैद्धांतिक फ्रीक्वेंटिस्ट विलय परिणाम स्थापित करता है, यह सिद्ध करते हुए कि न्यूटन एल्गोरिदम पर आधारित गणनात्मक रूप से कुशल क्वासी-बेयसियन दृष्टिकोण, यूनिवैरिएट और मल्टीडायमेंशनल दोनों सेटिंग्स में डिरिचलेट प्रोसेस-आधारित बेयसियन पद्धति के तुलनीय सटीकता और रिग्रेट दर प्राप्त करता है।
यह शोधपत्र यह प्रदर्शित करके फाल्सिफिकेशन एडेप्टिव सेट (FAS) ढांचे का विस्तार करता है कि उपकरण की अमान्यता की प्रकृति (कन्फाउंडर बनाम कोलाइडर) पहचान को महत्वपूर्ण रूप से प्रभावित करती है, और एक सामान्यीकृत FAS प्रस्तावित करता है जो यह गारंटी देता है कि यदि कम से कम एक उपकरण वैध रहता है, तो वास्तविक पैरामीटर का समावेश सुनिश्चित होगा।
यह शोध पत्र पैरामीट्रिक सर्वाइवल मॉडल्स के लिए एक नवीन मॉडल चयन तकनीक का प्रस्ताव करता है जो विशिष्ट समय अंतरालों में गुडनेस-ऑफ-फिट (goodness-of-fit) का मूल्यांकन करने के लिए पॉइसन-बाइनोमियल वितरणों का उपयोग करता है, जो AIC या BIC जैसे पारंपरिक सापेक्ष मेट्रिक्स की तुलना में मॉडल असंगतता का अधिक सूक्ष्म मूल्यांकन प्रदान करता है और साथ ही नियंत्रित टाइप I त्रुटि दरों को बनाए रखता है।
यह शोध पत्र पैटर्न एम्बेडेड न्यूरल नेटवर्क्स (PENN) को प्रस्तुत करता है, जो एक ऐसी विधि है जो मनमाने मिसिंगनेस मैकेनिज्म के तहत लुप्त सह-चरों (missing covariates) वाले बहुभिन्नरूपी गैर-पैरामीट्रिक प्रतिगमन (multivariate nonparametric regression) के लिए मिनिमैक्स-इष्टतम अभिसरण दरों (minimax-optimal convergence rates) को प्राप्त करने हेतु एक न्यूरल नेटवर्क आर्किटेक्चर में अवलोकन संकेतकों (observation indicators) को एकीकृत करती है, जबकि विभिन्न डेटासेट्स पर मानक न्यूरल नेटवर्क्स की तुलना में अनुभवजन्य रूप से बेहतर प्रदर्शन करती है।
यह शोध पत्र अज्ञात चक्रीय कारण ग्राफों (cyclic causal graphs) में आउटलेर्स के लिए संभावित मूल कारणों की एक संक्षिप्त सूची की पहचान करने के लिए एक विधि प्रस्तावित करता है, जो ग्राफ संरचना के पूर्व ज्ञान की आवश्यकता के बिना, स्ट्रॉन्ग परटर्बेशन (strong perturbations) और स्ट्रक्चरल इक्वेशन प्रोपेगेशन (structural equation propagation) का लाभ उठाती है।
यह शोधपत्र एक नवीन वेटिंग-आधारित (weighting-based) संवेदनशीलता विश्लेषण ढांचे का प्रस्ताव करता है जो चिकित्सकों को व्याख्या योग्य संवेदनशीलता मापदंडों का उपयोग करके हस्तक्षेप (interference), अपरिवर्तित कन्फाउंडिंग (unmeasured confounding) और ट्रांसपोर्टेबिलिटी की कमी की संयुक्त चुनौतियों से उत्पन्न होने वाले कारण अनुमान (causal inference) में व्यवस्थित पूर्वाग्रह का एक साथ आकलन करने में सक्षम बनाता है।
यह शोध पत्र स्टेट-लोकल प्रेडिक्शन (StaLoP) प्रस्तुत करता है, जो एक नॉनपैरामीट्रिक डायनेमिक पैनल फ्रेमवर्क है जो अनुक्रमिक भविष्यवाणी सटीकता में सुधार करने के लिए टारगेट-लोकल प्रिडिक्टिव कम्पैटिबिलिटी और एम्पिरिकल डिस्क्रेपेंसी स्कोर्स का लाभ उठाकर डिजिटल ट्विन मॉडलिंग को उन्नत करता है, जिसे कठोर सैद्धांतिक गारंटियों द्वारा समर्थित और विविध अनुप्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र नेटवर्क संरचना विश्लेषण के लिए दो स्केलेबल, सार्वभौमिक रूप से वैध पोस्ट-सिलेक्शन कॉन्फिडेंस इंटरवल पेश करता है जो डेटा-संचालित समूह चयन को ध्यान में रखते हैं, यह प्रदर्शित करते हुए कि जबकि दोनों विधियाँ एक साथ कवरेज सुनिश्चित करती हैं, केवल टैलग्रैंड-आधारित दृष्टिकोण ही इष्टतम एसिम्प्टोटिक चौड़ाई प्राप्त करता है, जिसमें व्यावहारिक अनुप्रयोग दिखाते हैं कि चयन के लिए सुधार करना होमोफिली और मार्केट सेगमेंटेशन जैसी नेटवर्क विशेषताओं के बारे में निष्कर्षों को महत्वपूर्ण रूप से बदल सकता है।