161 편의 논문
이 논문은 그래프 구조를 통해 고차원 시계열의 구성 요소 간 의존성을 모델링하고 단기 및 장기 의존성을 포괄하는 레비 기반 그래프 supOU 과정을 제안하며, 일반화 모멘트 추정량의 일관성과 점근적 정규성을 증명하고 풍력 발전 용량 계수에 대한 실증 분석을 통해 그 실용성을 입증합니다.
이 논문은 ill-posed 선형 회귀 모델에서 식별 가능성을 정형화하기 위한 새로운 프레임워크를 제안하고, 조건수 임계값을 기반으로 한 식별 가능한 파라미터를 정의하며, 이를 통계적으로 해석 가능한 차원 축소 알고리즘을 통해 추정할 수 있음을 증명하고 최적의 수렴 속도를 달성함을 보여줍니다.
이 논문은 농도 부등식을 활용하여 다변량 위치, 산포 행렬 및 회귀 추정량에 대한 통계적 수렴 속도와 최대 편향 (maximum bias) 및 붕괴점 (breakdown point) 을 통합적으로 분석하고, 이를 통해 깊이 기반 추정량들의 견고성 특성을 규명합니다.
이 논문은 복소수 전체에서 해석적 연속 없이 감마 함수의 역수를 나타내는 적분식을 유도하고, 이 식이 감마 함수의 특이점을 피하며 를 만족함을 보여줍니다.
이 논문은 무작위 가중치를 가진 심층 신경망의 유한차원 분포가 리프시츠 활성화 함수 하에서 층 폭이 임의의 비율로 무한히 증가할 때 Wasserstein-1 노름에서 가우시안 분포로 근사됨을 증명하고, 특히 모든 층의 폭이 동일한 척도 파라미터에 비례하는 경우 수렴 속도를 제시합니다.
이 논문은 고차원 Lp-양분수 회귀를 위한 새로운 방법인 복합 Lp-양분수 회귀와 근사 양분수 회귀를 제안하고, 무한 분산을 가진 오차 환경에서의 모델 선택 이론과 점근적 정규성을 증명하며, 이를 효율적으로 추정하기 위한 통합 알고리즘을 개발합니다.
이 논문은 모델 오차에 대한 편차의 상한을 제약 조건으로 하여 분산을 최소화하거나, 분산의 상한을 제약 조건으로 하여 최대 편차를 최소화하는 설계가 모두 적절히 조정된 튜닝 상수를 가진 최소최대 (minimax) 설계와 동등함을 보여줍니다.
이 논문은 임의의 의존성을 가진 확률변수의 합에 대한 보편적인 집중 부등식을 제시하고, 기대단락의 부분가법성 및 점근적 극단 결합 구성을 통해 그 최적성을 증명하며, 볼록 변환 순서를 기반으로 한 실용적 충분 조건을 통해 간단한 꼬리 프로파일을 유도합니다.
이 논문은 지배 측도가 존재하지 않는 일반적인 경우에도 가설 검정의 존재성을 보장하기 위해 르캄 (Le Cam) 의 프로그램을 완성하여, 유계 가산 가측 공간에서 확률 측도 집합의 볼록 폐포가 분리되는 것을 필요충분조건으로 제시합니다.
이 논문은 자연어 이미지와 같은 내재적 저차원 구조를 가진 데이터에 대해 스코어 매칭 확산 모델이 유한 샘플에서 Wasserstein- 거리로 측정된 수렴 속도가 내재 차원에 의존하여 차원의 저주를 극복함을 증명하고, 이를 GAN 및 최적 수송 이론과 연결하는 새로운 통계적 이론을 제시합니다.
이 논문은 다중 지수 모델에서 큰 대역폭 행렬 값을 사용하는 커널 평활화 추정량이 관련 없는 변수를 자동으로 축소시켜 차원의 저주를 완화하고, 변수 제거 없이도 유효 차원에 기반한 최적 수렴 속도를 달성함을 이론적·실증적으로 입증합니다.
이 논문은 뇌파 (EEG) 신호 분석을 위해 제안된 투영 등방성 정규 분포의 새로운 성질을 유도하고, von Mises 분포 기반의 근사법을 개발하여 뇌파 데이터에 적용하는 통계적 추론 방법을 제시합니다.
이 논문은 희소 비에르미트 랜덤 행렬에 대한 유한 랭크 결정론적 섭동을 고려하여, 아웃라이어 고유벡터와 스파이크 고유공간 간의 중첩 점근적 성질을 분석하고 기존 결과를 일반화하여 특정 오픈 문제를 해결합니다.
이 논문은 일반화된 원형 투영 코시 분포와 감싸인 코시 분포 간의 관계를 규명하고, 농도 매개변수의 동일성을 가정하지 않은 두 각도 평균의 동등성을 검정하는 로그우도비 검정법을 제안하며, 이를 통해 잘못된 분포 가정이 검정 성능에 미치는 영향을 시뮬레이션으로 검증합니다.
이 논문은 과적합과 고차원 최적화의 한계를 극복하기 위해, 통계적 검정력 한계에서 도출된 피벗 정보 기준 (PIC) 을 제안하여 고차원 데이터에서 정확한 모델 선택과 예측 성능을 동시에 달성함을 보여줍니다.
이 논문은 차분 프라이버시보다 더 의미 있고 통계적 공개 이론보다 더 엄격한 새로운 맥락적·구체적 프라이버시 개념을 제안하며, 민감 정보 공개 결정이 데이터 관측 여부와 관계없이 사전 관점 (prior viewpoint) 에서 이루어져야 함을 강조합니다.
이 논문은 로그 가능도 관점에서 일반화된 평균을 분석하여 선형 및 기하학적 풀링이 개별 분포보다 체계적인 개선을 보장하는 유일한 범위임을 이론적으로 증명하고, 딥 앙상블 실험을 통해 이를 검증했습니다.
이 논문은 기존 방법들의 한계를 극복하고 다양한 블록 모델과 네트워크 희소성을 고려하여 매개변수 추정 없이도 커뮤니티 수를 효과적으로 추정할 수 있는 고유값 간격 비율에 기반한 새로운 모델 프리 스펙트럴 추론 방법을 제안합니다.
이 논문은 모멘트 조건 없이 극단적 기하학적 분위수의 노름에 대한 새로운 상·하한을 제시하고, 특히 하한이 일변량 분위수와 반공간 (Tukey) 깊이 중심 영역과 직접적으로 연결됨을 보여줌으로써 다변량 분위수 간의 새로운 관계를 규명합니다.
이 논문은 독립적인 확률 대칭 행렬의 합에 대한 최대 고윳값을 가우스 확률 행렬의 고윳값과 비교하는 정리를 수립하여 기존 결과를 강화하고, 스펙트럼 그래프 이론 및 양자 정보 이론 등 다양한 분야에 적용하며 넬슨과 응우옌이 2013 년에 제기한 희소 확률 차원 축소 사상의 단사성 추측에 대한 최초의 완전한 증명을 제시합니다.