2425 पेपर
यह शोध पत्र सामान्यीकृत अनुमानित समीकरणों (GEE) के लिए एक प्रथम-क्रम पूर्वाग्रह-न्यूनीकरण ढांचे को प्रस्तुत करता है जो छह नए अनुमानक प्रदान करता है, जिसमें युग्मवार ऑड्स-अनुपात (pairwise odds-ratios) का उपयोग करके सह-संबंधित बाइनरी डेटा के लिए नवीन विस्तार शामिल हैं, जो साधारण GEE के दक्षता और अनुलक्षणिक गुणों को बनाए रखते हुए लघु-नमूना पूर्वाग्रह को प्रभावी ढंग से कम करते हैं।
यह शोध पत्र सेपरेशन (separation) के तहत सह-संबंधित बाइनरी डेटा के लिए परिमित अनुमान और विश्वसनीय निष्कर्ष सुनिश्चित करने हेतु एक ऑड्स-रेशियो पैरामीट्राइजेशन का उपयोग करते हुए जेफ्रीज़-प्रायर दंडित (Jeffreys-prior penalized) जनरल एस्टिमेटिंग इक्वेशंस (GEE) ढांचे का प्रस्ताव करता है, जो सामान्य परिदृश्यों में प्रदर्शन बनाए रखते हुए विरल या दुर्लभ-घटना वाले सेटिंग्स में साधारण GEE से बेहतर प्रदर्शन करने वाले कम्प्यूटेशनल रूप से कुशल वेरिएंट प्रदान करता है।
यह शोध पत्र कॉम्पैक्ट मेट्रिक ग्राफ्स पर प्रायिकता वितरणों (probability distributions) के लिए पहले डीप जेनरेटिव मॉडलिंग फ्रेमवर्क को प्रस्तुत करता है, जो उन्हें सुचारू एम्बिएंट स्पेस (smooth ambient spaces) में एम्बेड करके और न्यूरल सेमीडुअल्स (neural semiduals) के माध्यम से एंट्रोपिक ऑप्टिमल ट्रांसपोर्ट को हल करके कार्य करता है, जिससे स्केलेबल, ग्राफ-सपोर्टेड सैंपल जनरेशन सक्षम होता है जो वैध ट्रांसपोर्ट कपलिंग्स की ओर अभिसरित (converge) होता है और वास्तविक दुनिया के शहरी गतिशीलता डेटा पर डिस्क्रीट बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र **hyreg2** का परिचय देता है, जो एक R पैकेज है जो संयुक्त संभावना दृष्टिकोण (joint likelihood approach) और EM एल्गोरिदम का उपयोग करके मिश्रित निरंतर (continuous) और द्विपद (dichotomous) डेटा पर लेटेंट क्लास मॉडल का अनुमान लगाने के लिए एक उपयोगकर्ता के अनुकूल फ्रीक्वेंटिस्ट फ्रेमवर्क प्रदान करता है, जबकि यह हेटरोस्केडैस्टिसिटी (heteroskedasticity) और सेंसर किए गए डेटा को भी समायोजित करता है।
यह शोध पत्र एक मॉड्यूल-स्ट्रक्चर्ड मिश्रण कारक मॉडल (module-structured mixture factor model) प्रस्तुत करता है जो उच्च-आयामी जीन अभिव्यक्ति डेटा में व्याख्या योग्य रोग-संबंधित आणविक उपप्रकारों और फेनोटाइपिक विषमता को प्रभावी ढंग से पहचानने के लिए मीन (mean) और कोवेरिएंस (covariance) दोनों संरचनाओं के भीतर जीन मॉड्यूल को स्पष्ट रूप से मॉडल करते हुए, परिमित मिश्रण मॉडलिंग (finite mixture modeling) को लो-रैंक लेटेंट फैक्टर रिप्रजेंटेशन (low-rank latent factor representations) के साथ जोड़ता है।
यह शोध पत्र एक माप-सिद्धांत आधारित जनरेटिव प्रतिनिधित्व (measure-theoretic generative representation) का लाभ उठाते हुए, जिसे कंडीशनल जनरेटिव एडवरसेरियल नेटवर्क के माध्यम से अनुमानित किया गया है, गैर-रेखीय बहुभिन्नरूपी समय श्रृंखला भविष्य कहनेवाला वितरणों (nonlinear multivariate time series predictive distributions) को मॉडल करने के लिए एक लचीला, गणनात्मक रूप से कुशल ढांचा प्रस्तावित करता है, जिसकी कमजोर अस्थायी निर्भरता (weak temporal dependence) के तहत सिद्ध निरंतरता और वित्तीय अनुप्रयोगों में प्रदर्शित अनुभवजन्य सफलता है।
यह शोध पत्र ग्रुप-कंडीशनल कॉन्कोर्डेंस इंडेक्स (xCI) प्रस्तुत करता है, जो टाइम-टू-इवेंट विश्लेषणों के लिए एक नवीन निष्पक्षता मीट्रिक है, जो सैद्धांतिक प्रमाणों और वास्तविक दुनिया के हृदय रोग संबंधी केस स्टडीज के माध्यम से मान्य, इन-ग्रुप और क्रॉस-ग्रुप रैंकिंग सटीकता के माध्यम से सर्वाइवल मॉडल्स में जनसांख्यिकीय पूर्वाग्रहों को मापने और पहचानने के लिए हैरेल के सीआई (Harrell's CI) का विस्तार करता है।
यह शोध पत्र एक मॉडल-अज्ञेय (model-agnostic), संसाधन-कुशल अनुभवजन्य ऑडिटिंग ढांचे को प्रस्तुत करता है जो होल्डआउट कंट्रोल्स पर सांख्यिकीय परिकल्पना परीक्षण का उपयोग करके सिंथेटिक डेटासेट में वास्तविक और फैंटम डेटा प्रकटीकरणों के बीच अंतर करता है, जिससे मॉडल एक्सेस या संदर्भ प्रशिक्षण की आवश्यकता के बिना अधिक सटीक गोपनीयता रिसाव सीमाएं प्रदान की जाती हैं।
यह शोध पत्र Dynestyx को प्रस्तुत करता है, जो एक संभाव्य प्रोग्रामिंग लाइब्रेरी (probabilistic programming library) है जो स्टेट-स्पेस मॉडल्स के लिए प्रथम श्रेणी का समर्थन प्रदान करती है, जिससे उपयोगकर्ता आसानी से प्रायर्स (priors) निर्दिष्ट कर सकते हैं, मिश्रित-प्रभाव डेटा (mixed-effect data) पर अनुमान लगा सकते हैं, और डिस्क्रीट एवं निरंतर डायनेमिकल सिस्टम्स दोनों के लिए सिद्धांतपूर्ण अनिश्चितता परिमाणीकरण (principled uncertainty quantification) प्राप्त कर सकते हैं।
यह शोध पत्र रेडियल वोरोनोई डेंसिटी एस्टिमेटर (RVDE) को प्रस्तुत करता है, जो एक निरंतर, लीनियर-टाइम नॉन-पैरामीट्रिक डेंसिटी एस्टिमेटर है जो उच्च-आयामी डेटा पर उत्कृष्ट प्रदर्शन प्रदर्शित करते हुए पिछले तरीकों की विच्छिन्नता और कम्प्यूटेशनल अक्षमता को दूर करने के लिए वोरोनोई ज्यामिति का लाभ उठाता है।