Multi-view biclustering via non-negative matrix tri-factorisation
この論文は、事前のクラスタ数知識を必要とせず多視点データから重なり合う部分集合を特定する新しい非負行列三分解に基づく手法「ResNMTF」を提案し、クラスタリング評価指標として「バイシルエットスコア」を拡張して導入した研究です。
📊 Category
stat
259 件の論文
Robust Covariate Adjustment in Multi-Center Randomized Trials
この論文は、多施設無作為化試験においてクラスター効果を無視した既存の手法が推定や信頼区間に悪影響を及ぼす問題を指摘し、半パラメトリック効率的推定量と新しい推論枠組みを開拓することで、モデルの誤指定下でも不偏性を保ちつつ効率性を向上させる手法を提案しています。
Weighted Random Dot Product Graphs
本論文は、エッジの重み分布のより高次なモーメントまでを区別可能にする非パラメトリックな重み付きランダムドット積グラフ（WRDPG）モデルを提案し、その推定手法の統計的保証と、指定された WRDPG に沿ったグラフ生成フレームワークを確立したものである。
Distribution estimation via Flow Matching with Lipschitz guarantees
この論文は、フローマッチングのベクトル場に対するリプシッツ定数の依存性を制御する仮定を明らかにし、対数凹性を必要としない高次元の非有界分布に対しても、従来の結果を改善する Wasserstein 距離における収束率を導出するものです。
Measuring capacities in multimodal maritime port systems with anchorage queues
この論文は、ポート・オブ・ヒューストンの事例研究を通じて、安定した運用条件における「運用容量」と、撹乱後の最大処理能力である「究極容量」を区別して推定するための新たな枠組みを提示し、それぞれを異なる数理モデルを用いて算出する手法を提案しています。
Busemann Functions in the Wasserstein Space: Existence, Closed-Forms, and Applications to Slicing
本論文は、最適輸送によって誘起されるリーマン幾何構造を持つワッサーシュタイン空間におけるブセマン関数の存在と計算可能性を研究し、1 次元分布およびガウス測度に対する閉形式解を導出することで、確率分布の射影やガウス混合モデル・ラベル付きデータセットにおける新しいスライス・ワッサーシュタイン距離の定義、ならびにその転移学習などへの応用を可能にした。
Refereed Learning
この論文は、2 人の競合する証明者（1 人は誠実）からなる「審査付き学習」の枠組みを提唱し、特に高精度なモデル選択タスクにおいて、従来の単一証明者や証明者なしの手法を大幅に凌駕する効率性と精度を達成するプロトコルを構築し、その最適性を示す下限を証明したものである。
Belief Dynamics Reveal the Dual Nature of In-Context Learning and Activation Steering
この論文は、ベイズ的観点からプロンプトによる文脈内学習と内部活性化の操作という一見異なる LLM 制御手法を、それぞれ「証拠の蓄積」と「概念の事前確率の変更」として統一的に説明する予測モデルを提案し、両者の相加性や急激な行動変化など新たな現象を予測可能にしました。
Approximate Bayesian inference for cumulative probit regression models
この論文は、大規模な順序カテゴリカルデータに対するベイズ推論の計算効率を改善するため、変分ベイズと期待伝播法を用いた累積プロビット回帰モデルの近似推論アルゴリズムを提案し、マルコフ連鎖モンテカルロ法と比較して優れた計算性能と精度を達成したことを示しています。
Forests of Uncertaint(r)ees: Using tree-based ensembles to estimate probability distributions of future conflict
本論文は、樹木ベースのアンサンブル学習と分布回帰を組み合わせたカスタム AutoML 手法を開発し、暴力紛争の将来発生確率分布を推定することで、従来の点予測の限界を克服し、PRIO-GRID 月次レベルでの 1 年先までの予測精度を向上させることを示しています。
Entropic Confinement and Mode Connectivity in Overparameterized Neural Networks
この論文は、過剰パラメータ化されたニューラルネットワークにおいて、損失が平坦な経路が存在するにもかかわらず最適化が単一の盆地に閉じ込められるというパラドックスを、曲率の変動と最適化ノイズの相互作用によって生じるエントロピー障壁（曲率誘起のエントロピー力）によって説明し、これが解の局在化を支配していることを明らかにしています。
A systematic assessment of Large Language Models for constructing two-level fractional factorial designs
本論文は、GPT や Gemini などの大規模言語モデルを用いて 8、16、32 回の実行回数および 4 から 26 の因子を持つ 2 水準部分因子計画を構築する能力を体系的に評価し、8 因子以下の最適設計の作成においてこれらのモデルが有効であることを示しています。
A Bayesian likely responder approach for the analysis of randomized controlled trials
この論文は、確率的な不確実性を考慮したベイズ二段階アプローチを提案し、データ駆動型のサブグループ特定と治療効果推論を統合することで、従来の手法よりも適切に校正された信頼区間を提供し、COVID-19 治療試験におけるサブグループ間の変動をより正確に評価できることを示しています。
Information-Theoretic Thresholds for Bipartite Latent-Space Graphs under Noisy Observations
この論文は、ノイズのある観測条件下における二部グラフの潜在幾何構造の検出可能性について、マスクが既知か隠されているかによって検出の難易度が大きく異なることを示し、新しいフーリエ解析的枠組みを用いて情報理論的な閾値を決定し、計算統計的なギャップが存在しないことを証明しています。
High-dimensional Laplace asymptotics up to the concentration threshold
この論文は、高次元ラプラス型積分の対数に対する明示的な漸近展開を導出し、既存のガウス近似の限界を超えて濃度閾値に極めて近い領域まで有効な定量的誤差評価を提供するとともに、濃縮密度の期待値計算やサンプリングのための解析的近似と多項式輸送の構築を可能にします。
Randomized Kriging Believer for Parallel Bayesian Optimization with Regret Bounds
本論文は、並列ベイズ最適化において既存手法が抱える実用性や理論保証の課題を克服し、低計算コストと非同期処理への対応を維持しながら、ランダム化クリギング・ビリーバー法を提案し、そのベイズ期待後悔の保証を実証したものである。
LLY Ricci Reweighting in Stochastic Block Models: Uniform Curvature Concentration and Finite-Horizon Tracking
この論文は、確率的ブロックモデルにおいて、リン・ル・ヤウ（オッリヴィエ型）リッチ曲率を用いたエッジの重み付け更新が、ブロック内の連結性を強化し、スペクトラルクラスタリングの性能向上や有限時間horizon における反復過程の決定論的追跡を保証することを示しています。
Realizing Common Random Numbers: Event-Keyed Hashing for Causally Valid Stochastic Models
エージェントベースモデルにおける共通乱数法の標準的な実装が、実行経路の変化により因果構造の整合性を損なう問題点を指摘し、イベント識別子とカウンタ型乱数生成器を組み合わせることで、シミュレーションの実行順序に依存しない因果的に整合した対照実験を可能にする手法を提案しています。
Partition-Based Functional Ridge Regression for High-Dimensional Data
この論文は、高次元関数線形モデルにおける多重共線性や過学習の問題を解決し、解釈性を向上させるために、係数関数を支配的効果と微弱効果に分割して異なるリッジ正則化を適用する「分割ベースの関数リッジ回帰」フレームワークを提案し、その理論的性質と実データへの有効性を示しています。
Co-Diffusion: An Affinity-Aware Two-Stage Latent Diffusion Framework for Generalizable Drug-Target Affinity Prediction
本論文は、冷たいスタートやドメインシフトといった課題に対処し、未見の分子スキャフォールドやタンパク質ファミリーに対する汎化性能を飛躍的に向上させるため、アフィニティを考慮した潜在拡散モデル「Co-Diffusion」を提案し、その有効性を示しています。