Latent Autoencoder Ensemble Kalman Filter for Data assimilation
이 논문은 비선형 역학 시스템에서 데이터 동화의 성능을 향상시키기 위해, 학습된 잠재 공간 내에서 선형적이고 안정적인 역학을 갖는 오토인코더 기반 앙상블 칼만 필터 (LAE-EnKF) 를 제안하고 그 이론적 근거와 수치적 유효성을 입증합니다.
📊 Category
stat.ME
219 편의 논문
CREDO: Epistemic-Aware Conformalized Credal Envelopes for Regression
본 논문은 예측 불확실성을 명시적으로 반영하는 크레달 (credal) 방법과 분포 무관한 보장을 제공하는 공형적 (conformal) 예측의 장점을 결합하여, 모델의 외삽 영역에서도 해석 가능하고 보정된 예측 구간을 제공하는 'CREDO'라는 새로운 회귀 기법을 제안합니다.
Demonstration Experiments
이 논문은 적응형 실험 환경에서 여러 후보 중 하나라도 유의한 효과를 보이는지 검증하기 위한 다중 대역트 프레임워크를 제안하고, 시간 균일 다중 검정을 지원하기 위한 중간 편차 원리를 정립하며, 신호 대 잡음비를 보상으로 하는 적응형 할당 규칙을 통해 로그 후회 한계를 증명합니다.
Fréchet regression of multivariate distributions with nonparanormal transport
이 논문은 다변량 분포 응답과 유클리드 예측 변수 간의 회귀 문제를 해결하기 위해, 비파라노멀 운송 (NPT) 거리를 프레셰 회귀 프레임워크에 통합하여 차원의 저주를 완화하고 효율적인 추정과 해석을 가능하게 하는 새로운 방법론을 제안하고 이론적 근거와 실증적 유효성을 입증합니다.
TEA-Time: Transporting Effects Across Time
이 논문은 무작위 대조 시험의 치료 효과를 시간적 맥락에 따라 외삽하는 'TEA-Time' 프레임워크를 제안하며, 시간적 효과의 분리 가정을 기반으로 TATE 를 식별하고 이중 강건 추정기를 개발하여 Upworthy 연구 아카이브 데이터를 통해 편향과 분산 간의 트레이드오프를 실증합니다.
Integrating Heterogeneous Information in Randomized Experiments: A Unified Calibration Framework
이 논문은 무작위 실험에서 다양한 출처의 이질적인 정보를 통합하여 치료 효과를 더 정밀하게 추정할 수 있도록, 내부 및 외부 정보 활용을 보장하는 일관된 보정 프레임워크를 제안하고 그 점근적 유효성 및 효율성 개선을 입증합니다.
Deep Generative Spatiotemporal Engression for Probabilistic Forecasting of Epidemics
이 논문은 복잡한 시공간적 상호작용과 불확실성을 고려하여 전염병 발생을 확률적으로 예측하기 위해, 내생적 불확실성 정량화와 기하학적 에르고딕성을 보장하는 경량 딥 생성 기반 시공간 회귀 (Deep Generative Spatiotemporal Regression) 프레임워크를 제안하고, 다양한 역학 데이터셋에서 기존 방법론보다 우수한 성능을 입증합니다.
Conditional Rank-Rank Regression via Deep Conditional Transformation Models
이 논문은 심층 조건부 변환 모델 (DCTM) 과 크로스 피팅을 활용하여 연속 및 이산 순서형 결과 변수에 대해 조건부 순위-순위 회귀 (CRRR) 를 개선하고, 이를 통해 미국 소득과 인도 교육 이동성 분석에서 그룹 내 이동성을 정밀하게 측정하는 새로운 방법론을 제시합니다.
Dirichlet kernel density estimation on the simplex with missing data
이 논문은 결측 데이터가 있는 단순형상 (simplex) 상의 구성 데이터에 대해 역확률 가중치와 적응형 디리클레 커널을 결합한 새로운 비모수 밀도 추정법을 제안하고, NHANES 백혈구 구성 데이터 적용을 통해 그 유효성을 입증합니다.
Probabilistic Inference and Learning with Stein's Method
이 논문은 스타인 (Stein) 방법을 활용한 확률적 추론과 학습의 이론적·방법론적 측면을 엄밀하게 개괄하며, 스타인 연산자와 스타인 집합을 기반으로 한 스타인 불일치 (discrepancy) 의 구성법과 그 성질, 그리고 스타인 변분 경사 하강법과의 연관성을 체계적으로 다룹니다.
Evaluating consumption effects of intelligent control algorithms for district heated buildings
이 논문은 기존 방법의 한계를 지적하고, 10 년간의 실증 데이터를 바탕으로 지역난방 건물의 제어 알고리즘 효과만을 분리·추적하며 그 세부 구성 요소를 분석할 수 있는 모델 기반 접근법을 제안합니다.
Dissecting Spectral Granger Causality through Partial Information Decomposition
이 논문은 Partial Information Decomposition 프레임워크를 활용하여 고차원 상호작용을 분석하는 새로운 도구인 PDGC 를 제안하고, 이를 신경성 실신 환자의 생리학적 네트워크에 적용하여 자율신경계 기능 장애의 기저 메커니즘을 규명했습니다.
Group-Sparse Smoothing for Longitudinal Models with Time-Varying Coefficients
이 논문은 종단 데이터 분석에서 변수의 효과가 시간에 따라 변하는지 아니면 일정한지를 동시에 선택하고 추정하여 과적합을 방지하고 해석 가능성을 높이는 새로운 프레임워크인 'TV-Select'를 제안합니다.
Post-Hoc Large-Sample Statistical Inference
이 논문은 데이터에 의존하는 유의수준 하에서도 유효한 사후 추론을 가능하게 하는 비점근적 방법의 한계를 극복하고, 더 약한 가정과 정밀한 결과를 제공하는 점근적 사후 신뢰구간 및 p-값 이론을 개발합니다.
Unifying On- and Off-Policy Variance Reduction Methods
이 논문은 온라인 A/B 테스트의 차분 평균 추정기와 최적 제어 변수를 갖춘 오프 정책 역확률 가중 추정기 간의 수학적 동등성, 그리고 회귀 보정 기법과 이중 강건 추정 간의 구조적 동등성을 증명하여 두 분야의 분산 감소 방법을 통합하는 이론적 틀을 제시합니다.
Minimax estimation for Varying Coefficient Model via Laguerre Series
이 논문은 라게르 급수를 기반으로 변동 계수 모델의 함수적 계수를 추정하는 새로운 방법을 제안하고, 최소극대 수렴 속도, 점근적 정규성, 신뢰구간 및 가설 검정을 이론적으로 증명하며 시뮬레이션과 실데이터를 통해 그 유효성을 입증합니다.
Estimating Reproducibility in Genome-Wide Association Studies
이 논문은 유전체 전체 연관 분석 (GWAS) 의 재현성을 정량화하기 위해 1 차 연구에서 발견된 양성 결과가 재현 연구에서 어떻게 행동하는지를 평가하는 '재현율 (RR)'과 '거짓 비재현율 (FIR)'이라는 두 가지 확률적 척도를 제안하고, 그 추정 방법의 정확성과 예측 성능을 시뮬레이션 및 실제 실험을 통해 입증합니다.
Controlling the joint local false discovery rate is more powerful than meta-analysis methods in joint analysis of summary statistics from multiple genome-wide association studies
이 논문은 여러 GWAS 의 요약 통계를 결합할 때 기존 메타분석 방법보다 더 높은 검정력을 가지며, 이질적인 데이터셋에서도 우수한 성능을 보이는 새로운 가설 검정 방법인 결합 국소 가짜 발견률 (Jlfdr) 제어를 제안하고 그 우수성을 입증합니다.
Asymptotics of cut distributions and robust modular inference using Posterior Bootstrap
이 논문은 모델 오설정으로 인한 정보 전파 문제를 해결하기 위해 제안된 컷 분포의 점근적 성질을 분석하고, Posterior Bootstrap 기반 알고리즘을 통해 명목상 빈도론적 커버리지를 갖는 신뢰구간을 제공하는 방법을 제시합니다.
Degrees of Freedom and Information Criteria for the Synthetic Control Method
이 논문은 합성 통제법 (SCM) 의 모델 유연성을 자유도로 분석하고 교차검증 없이 모델 선택을 가능하게 하는 정보 기준을 제시하며, 이를 Tianjin 의 차량 번호 제한 정책 평가에 적용하여 교차검증보다 우수한 성능을 입증했습니다.