252 件の論文
本論文は、モデルの誤指定が全体に波及する問題を解決する「カット分布」の漸近挙動を解析し、Bernstein-von Mises 定理や定量的なラプラス近似を導出した上で、 Posterior Bootstrap に基づくアルゴリズムを提案し、名目上の頻度論的カバレッジを持つ信頼区間を提供する手法を、因果推論などの数値実験を通じて示しています。
この論文は、離散的に観測されたランダムな粗微分方程式の軌道に基づいて統計的推論を行うための一般枠組みを構築し、離散逆問題の解の極限として連続逆問題の解を構成する理論的枠組みと、その数値的アルゴリズムの収束性を確立することを目的としています。
この論文は、既存のヒューリスティック手法では得られなかった最適性の証明を可能にするため、低ランク行列補完問題を射影行列の非凸集合上の凸問題として再定式化し、離散的な分枝限定法と新たな凸緩和法を組み合わせることで、大規模な問題においても証明可能な最適解またはそれに極めて近い解を効率的に導出する手法を提案しています。
この論文は、分散環境で個別に学習されたミクスチャ・オブ・エキスパート（MoE）モデルを、標準的な平均化ではなく最適輸送に基づく枠組みで効率的に集約し、通信コストを最小化しながら中央集権的な訓練と同等の性能を実現する手法を提案しています。
この論文は、進行型多状態モデルにおける現在の状態データ（interval-censored data）を用いて、先行する状態の占拠に条件付けた状態進入時間の分布を推定するための、競合リスクの概念を応用した 2 つの新しいノンパラメトリック推定法を提案し、シミュレーションおよび乳がん患者データを用いた実証分析を通じてその有効性を検証したものである。
この論文は、打ち切り生存データに対して、指定された分位数に基づく打ち切り平均生存時間の最大化、および打ち切り平均生存時間を考慮した調整閾値を用いたバッファード生存確率の最大化という 2 つの頑健な基準を提案し、サンプリングに基づく差の凸アルゴリズムを開発して理論的裏付けとシミュレーション、AIDS 臨床試験データによる実証を行うことを目的としています。
この論文は、極値解析などの分野において、高忠実度データと低忠実度データを組み合わせてパラメトリックモデルを効率的に推定するための 3 つのマルチフィデリティ手法（同時最尤法、モーメント推定法、周辺最尤法）を提案し、極端な船舶運動の発生頻度の定量化への応用例を示すものである。
この論文は、拡散モデルが学習データを記憶する過程が急激な変化ではなく、データ不足に伴い潜在次元が滑らかに減少し、重要な特徴から順に詳細が凍結して最終的に点ごとの複製に至る「幾何学的記憶」と呼ばれる段階的現象であることを理論的・実験的に明らかにしたものである。
本論文は、ベッキア近似を用いたガウス過程の確率的・統計的性質を体系的に解析し、母数集合の選択基準を提案するとともに、非パラメトリック回帰モデルにおける事後分布の収束性が最適最小最大レートに達することを理論的に証明し、数値実験と C++ 実装でその有効性を示しています。
この論文は、小領域推定における経験的最良線形予測区間の被覆誤差が、標準化されたランダム効果のピボットの存在有無に依存し、ピボットが存在しない場合には既存のパラメトリック・ブートストラップ法では誤差の次数が にならないことを示し、その修正として提案されたダブル・パラメトリック・ブートストラップ法の有効性を理論的および数値的に検証したものである。
この論文は、LIME や SHAP などの既存手法が抱える局所的な変数依存関係の反映不足や多クラス分類への非適応性といった課題を克服し、変数間の局所的な依存関係や相互作用を捉えながら多クラス分類問題にも直接適用可能な新しいモデルアノニマな局所変数重要度測定手法「CLIQUE」を提案するものである。
この論文は、臨床試験の統計的有意性と臨床的有意義性の間の正式なリンクを確立し、標準的な統計的検出力と偽陽性率が「臨床的均衡（equipoise）の崩壊」をどの程度示すかを較正することで、臨床開発計画の設計に新たな枠組みを提供するものである。
この論文は、従来のブラッドレー・テリーモデルなどが前提とする確率的推移性を不要とし、低次元の歪対称行列を用いてペア比較データをモデル化することで、多様なスキルや戦略が関わる実世界のシナリオにおいて最適な予測性能と推定理論的保証を実現する新しい統計モデルを提案しています。
この論文は、非ユークリッド空間における従来の最大マージン分類の限界を指摘し、クラス共分散構造をチョレスキー分解を用いて最適化問題に組み込むことで、精度や F1 スコアなどの性能を向上させる共分散調整型サポートベクター分類アルゴリズムを提案しています。
本論文では、大規模なネットワークデータにおけるモデル選択やパラメータ調整を効率的かつ高精度に行うため、重なり合う部分グラフを用いた新しい交差検証手法「NETCROP」を提案し、その理論的保証と数値的有効性を示しています。
この論文は、需要の欠測（センサリング）と依存性を伴うオフラインデータを用いて、在庫管理と価格設定の最適方針を学習する新たなデータ駆動型アルゴリズムを提案し、その有効性を理論的および数値的に検証するものである。
この論文は、マルチフィデリティ推定におけるオラクル統計量の推定コストと最終推定量の構築のバランスを最適化する適応アルゴリズムを提案し、その理論的有効性と数値的妥当性を示しています。
この論文は、従来のメタ解析が非線形効果量において因果解釈に欠ける問題を指摘し、個体データなしで適用可能な新たな因果集約手法を提案するとともに、実データを用いた検証により、従来法が有害な治療を有益と誤って判断するケースが存在することを明らかにしています。
この論文は、適応型介入における治療変更の判断基準となる「調整変数」を、二次データ分析よりも因果推論に直結する最適化実験（例：SMART 設計）を用いて体系的に構築するための枠組みを提案し、その設計における課題と必要性を論じています。
この論文は、二つの分布の密度比を推定するための加法木モデルと「バランス損失」を提案し、これにより勾配ブースティングなどの教師あり学習アルゴリズムやベイズ推論による不確実性の定量化を可能にし、高次元データや生成モデルの品質評価などへの応用を示すものである。