Efficient Approximation to Analytic and functions by Height-Augmented ReLU Networks
이 논문은 3 차원 네트워크 아키텍처를 통해 sawtooth 함수의 효율적인 표현을 가능하게 함으로써, 해석 함수 및 함수에 대한 기존 이론의 한계를 극복하고 지수적 근사율 향상과 고차 비점근적 근사 정리를 제시합니다.
📊 Category
stat
262 편의 논문
Conformal e-prediction in the presence of confounding
이 논문은 관측된 와 간의 교란 (confounding) 이 존재하는 경우를 포함하도록 합동적 e-예측 (conformal e-prediction) 을 확장하며, 관측 데이터가 독립동일분포 (IID) 인 경우와 관측치 간 일부 의존성이 허용되는 경우를 모두 다룹니다.
Deep regression learning from dependent observations with minimum error entropy principle
이 논문은 강한 혼합 조건 하의 종속 관측치를 기반으로 최소 오차 엔트로피 원리를 적용한 비모수 회귀를 제안하고, 비페널티 및 희소 페널티 심층 신경망 추정량의 기대 초과 리스크 상한을 증명하여 가우스 오차 모델에서 최소극한 최적 수렴 속도를 달성함을 보여줍니다.
Trustworthy predictive distributions for rare events via diagnostic transport maps
이 논문은 희귀 사건에 대한 신뢰할 수 있는 예측 분포를 제공하기 위해 기본 예측 모델을 보정하는 진단 운송 맵 (diagnostic transport maps) 을 제안하고, 이를 허리케인 강도 예측에 적용하여 기존 운영 예보보다 우수한 성능을 입증했습니다.
Statistical Methodology Groups in the Pharmaceutical Industry
이 논문은 제약 산업에서 임상 시험의 효율성과 성공 확률을 높이기 위해 설립된 전문 통계 방법론 그룹의 구성, 역할, 가치 및 성공 요인을 탐구합니다.
Continuous-time modeling and bootstrap for Schnieper's reserving
이 논문은 Schnieper 의 손해준비금 모델을 재검토하여 새로운 청구 발생을 포아송 측도와 보고된 청구의 비용 변동을 브라운 운동으로 모델링하는 연속 시간 확률 모델을 제안하고, 이를 통해 비대칭성과 비음수성을 자연스럽게 반영하는 부트스트랩 방법을 개발하여 손해준비금의 예측 분포를 추정하는 방법을 제시합니다.
A Statistically Reliable Optimization Framework for Bandit Experiments in Scientific Discovery
이 논문은 과학적 발견을 위한 밴드트 실험에서 적응적 샘플링 하의 통계적 유효성을 보장하고, 누적 보상과 통계적 효율성 간의 균형을 최적화하는 통합 프레임워크를 제안합니다.
RIE-Greedy: Regularization-Induced Exploration for Contextual Bandits
이 논문은 교차검증 기반 정규화 과정의 확률적 특성을 탐험의 원천으로 활용하여 블랙박스 추정기에서도 효과적으로 작동하는 'RIE-Greedy' 알고리즘을 제안하고, 이것이 이론적으로 톰슨 샘플링과 동등하며 실전 환경에서 기존 방법들보다 우수한 성능을 보임을 입증합니다.
Outrigger local polynomial regression
이 논문은 이분산성이나 오차 분포의 구조적 가정을 요구하지 않으면서도 가우시안 오차 하에서 표준 로컬 다항식 추정량과 동등한 점근적 위험을 보장하고, Hölder 클래스에서 최소최대 최적성을 달성하는 'Outrigger' 로컬 다항식 추정량을 제안하고 그 이론적 성질과 실증적 유효성을 입증합니다.
Worst-case low-rank approximations
이 논문은 이질적인 도메인 간 분포 변화에 강인한 최악의 경우 저랭크 근사를 위한 통합 프레임워크인 wcPCA 를 제안하고, 이를 다양한 목적 함수와 행렬 완성 문제로 확장하여 이론적 최적성과 실증적 성능 개선을 입증합니다.
Finite-Sample Decision Instability in Threshold-Based Process Capability Approval
이 논문은 제조 공정 능력 지수 () 기반의 승인 결정이 임계값 근처에서 표본 크기에 따른 확률적 변동으로 인해 본질적으로 불안정할 수 있음을 통계적 분석과 실증 연구를 통해 규명하고, 이를 통해 임계값 부근의 결정 리스크를 정량적으로 평가할 수 있는 지침을 제시합니다.
Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders
이 논문은 연속형, 절단형, 순위형, 이항형 등 다양한 유형의 mHealth 데이터를 통합 분석하기 위해 반모수적 가우시안 코풀라 모델에 기반한 다변량 함수형 주성분 분석 (FPCA) 방법을 제안하고, 이를 우울증 하위 유형을 구분하는 디지털 바이오마커 식별에 성공적으로 적용했습니다.
Prediction-Oriented Transfer Learning for Survival Analysis
이 논문은 소수의 사건을 가진 타겟 연구에서 생존 분석 예측 성능을 향상시키기 위해, 소스 데이터의 개별 수준 접근 없이도 소스 연구의 예측 지식을 유연하게 전이할 수 있는 새로운 전이 학습 프레임워크를 제안하고 그 이론적 성질과 실용적 유용성을 입증합니다.
Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk
이 논문은 비대칭 라플라스 분포를 활용한 동적 베이지안 회귀 분위수 합성 (DRQS) 과 다변량 요인 DRQS(FDRQS) 를 제안하여, 여러 에이전트 모델의 정보를 통합하고 교차 의존성을 포착함으로써 특히 COVID-19 팬데믹과 같은 극단적 경제 위기 시기에 기존 방법보다 우수한 전망-at-risk 예측 성능을 입증했습니다.
Graph Generation Methods under Partial Information
이 논문은 이분, 방향, 무방향 네트워크의 차수 시퀀스를 가진 그래프 생성 문제를 해결하기 위해 순차적 방법을 제안하고, 전역 실현 가능성을 보장하는 조건을 규명하여 대규모 인스턴스에 확장 가능한 효율적인 열거 및 샘플링 알고리즘을 개발했습니다.
Robust Joint Modeling for Data with Continuous and Binary Responses
이 논문은 연속형과 이항형 응답 변수를 동시에 다루는 고차원 데이터에서 이상치와 오분류 샘플에 강인한 희소 추정량을 제공하기 위해 밀도 파워 발산 손실 함수와 정규화를 기반으로 한 새로운 강건한 공동 모델링 프레임워크를 제안합니다.
Simultaneous estimation of multiple discrete unimodal distributions under stochastic order constraints
이 논문은 실제 플랫폼의 검색 행동 분석을 동기부여로 하여, 확률적 순서 제약을 혼합 정수 볼록 2 차 최적화 문제로 공식화하여 여러 이산 단봉 분포를 동시에 추정하는 방법을 제안하고, 소규모 샘플에서 기존 방법 대비 성능을 향상시킴을 실험을 통해 입증했습니다.
On the Unit Teissier Distribution: Properties, Estimation Procedures and Applications
이 논문은 유닛 테시시 (Unit Teissier) 분포에 대한 새로운 이론적 성질과 모수 추정 기법을 개발하고, 다양한 시뮬레이션과 실제 데이터를 통해 그 성능과 실용성을 검증합니다.
Decomposing Observational Multiplicity in Decision Trees: Leaf and Structural Regret
이 논문은 의사결정나무 모델의 관측적 다중성을 '리프 후회'와 '구조적 후회'로 분해하여 구조적 불안정성이 주요 원인임을 규명하고, 이를 선택적 예측의 거절 메커니즘으로 활용함으로써 모델 안전성을 향상시키는 새로운 프레임워크를 제시합니다.
Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts
이 논문은 층화 표본에서 분산 추정에 널리 사용되는 균형 반복 재표본추출 (BRR) 과 짝지어진 재표본추출 (잭나이프) 방법의 독립성 특성을 분석하여 두 방법을 통합적으로 다루고, 이를 통해 신뢰구간 구성에 필요한 유효 자유도를 추정하는 실용적인 공식을 제시합니다.