2426 पेपर
यह शोध पत्र एक गैररेखीय परम्यूटेड ग्रेंजर कॉज़ैलिटी (Permuted Granger Causality) पद्धति प्रस्तावित करता है जो मौजूदा गैररेखीय दृष्टिकोणों में सामान्य ओवरफिटिंग संबंधी चिंताओं को कम करते हुए, टाइम सीरीज़ डेटा में भविष्य कहने वाले संबंधों की मजबूती से पहचान करने के लिए आर्टिफिशियल न्यूरल नेटवर्क और परम्यूटेशन-आधारित आउट-ऑफ-सैंपल परीक्षण का लाभ उठाता है।
यह शोध पत्र ट्रंकेटेड पॉलिसी ग्रेडिएंट (TPG) एस्टिमेटर प्रस्तुत करता है, जो एक नवीन विधि है जो गैर-स्थिर गतिशील प्रणालियों में वैश्विक औसत उपचार प्रभावों का अनुमान लगाने के लिए प्रमाणित रूप से कम बायस और वेरिएंस प्रदान करने हेतु लघु-क्षितिज परिणाम प्रक्षेपवक्रों (short-horizon outcome trajectories) का लाभ उठाती है, जिसे सैद्धांतिक गारंटियों और वास्तविक दुनिया के केस स्टडीज पर सत्यापन द्वारा समर्थित किया गया है।
यह शोध पत्र एक स्केलेबल ऑनलाइन कर्नेल लर्निंग फ्रेमवर्क प्रस्तावित करता है जो बड़े पैमाने पर, स्ट्रीमिंग और उच्च-आयामी डेटा में द्विदिश (bidirectional) कारण प्रभावों का सटीक और कुशल अनुमान लगाने के लिए रैंडम फूरियर फीचर्स और एडेप्टिव ग्रेडिएंट डिसेंट के साथ हेटेरोस्केडास्टिसिटी-आधारित पहचान को जोड़ता है।
यह शोध पत्र कॉज़ल प्रिफरेंस एलिसिटेशन (causal preference elicitation) प्रस्तुत करता है, जो एक बेयसियन ढांचा है जो निर्देशित अचक्रीय ग्राफ़ (directed acyclic graphs) पर पश्च वितरण (posterior distributions) को कुशलतापूर्वक केंद्रित करने और सीमित क्वेरी बजट के तहत कॉज़ल डिस्कवरी की सटीकता में सुधार करने के लिए स्थानीय एज संबंधों पर विशेषज्ञों से सक्रिय रूप से प्रश्न पूछता है।
यह शोध पत्र दो नवीन दृश्य उपकरणों—मानकीकृत टेल प्लॉट (standardised tail plot) और सामान्यीकृत अवशेष प्लॉट (normalised residual plot)—का प्रस्ताव करके एक्सट्रीम वैल्यू रिग्रेशन मॉडलों के लिए स्केलेबल और व्याख्या योग्य डायग्नोस्टिक्स की कमी को संबोधित करता है, जो विभिन्न नमूना आकारों में वैश्विक और क्षेत्रीय दोनों स्तरों पर कुशल, सुसंगत गुडनेस-ऑफ-फिट मूल्यांकन को सक्षम करने के लिए एसिम्प्टोटिक अनसर्टेन्टी बाउंड्स (asymptotic uncertainty bounds) का उपयोग करते हैं।
यह शोध पत्र एक नए कोवेरिएंस फंक्शन (covariance function) और वेकिया सन्निकटन (Vecchia approximation) के साथ एडिटिव गॉसियन प्रोसेस (additive Gaussian Processes) को एकीकृत करके, मिश्रित मात्रात्मक और गुणात्मक इनपुट वाले बड़े पैमाने के कंप्यूटर प्रयोगों के अनुकरण के लिए एक नवीन, स्केलेबल ढांचे का प्रस्ताव करता है ताकि सटीकता और कम्प्यूटेशनल दक्षता दोनों सुनिश्चित की जा सकें।
यह शोध पत्र कुल प्रभावों को पथ-विशिष्ट घटकों में विभाजित करके और एक नवीन डेटा-विभाजन परीक्षण रणनीति पेश करके, जो जटिल अनुदैर्ध्य (लॉन्गीट्यूडिनल) परिवेश में वैध टाइप I त्रुटि नियंत्रण और बेहतर शक्ति सुनिश्चित करती है, क्रमिक रूप से क्रमबद्ध मध्यस्थता मार्गों (मेडिएशन पाथवेज़) की पहचान करने, अनुमान लगाने और निष्कर्ष निकालने के लिए एक सामान्य ढांचा स्थापित करता है।
यह शोध पत्र ग्राफ इंडिपेंडेंस ड्यूल स्क्रीनिंग (GIDS) प्रस्तावित करता है, जो एक नवीन ढांचा है जो क्रॉस-मोडल विश्लेषणों में कम्प्यूटेशनल और व्याख्यात्मक सीमाओं को दूर करने के लिए उच्च-आयामी भविष्यवक्ताओं (predictors) और परिणामों दोनों की आयात्मकता (dimensionality) को एक साथ कम करता है, जैसा कि सिमुलेशन में इसके उत्कृष्ट प्रदर्शन और ADNI डेटा का उपयोग करके अल्जाइमर रोग में नियामक तंत्रों को उजागर करने में इसके अनुप्रयोग द्वारा प्रदर्शित किया गया है।
यह शोध पत्र EKF-PrO प्रस्तुत करता है, जो एक हाइपर-पैरामीटर-मुक्त, गणनात्मक रूप से कुशल फ़िल्टरिंग विधि है जो भविष्योन्मुखी उन्मुख पश्चवर्ती (predictively oriented posteriors) का उपयोग करती है ताकि गैर-रेखीय अवस्था-स्थान मॉडलों (nonlinear state-space models) में अत्यधिक आत्मविश्वासी अनुमानों से बचा जा सके जब गतिशील या मापन मॉडल गलत तरीके से निर्दिष्ट हों।
यह शोध पत्र एक सरोगेट-असिस्टेड ऑप्टिमल सैंपलिंग फ्रेमवर्क प्रस्तावित करता है जो एक सीमित मेजरमेंट बजट को रणनीतिक रूप से सरोगेट-नेगेटिव अवलोकनों (observations) के लिए आवंटित करता है, जिससे अपेक्षित आउट-ऑफ-सैंपल क्रॉस-एन्ट्रॉपी लॉस को कम किया जा सके और मेजरमेंट बाधाओं के तहत जोखिम भविष्यवाणी प्रदर्शन में सुधार किया जा सके।