Cross-Validation in Bipartite Networks
이 논문은 한쪽 노드 집합에서는 과소적합이, 다른 쪽에서는 과대적합이 발생할 수 있는 이분 네트워크의 모델 선택 문제를 해결하기 위해 새로운 페널티화된 교차검증 방법을 제안하고, 이를 통해 이분 네트워크 모델 선택에 대한 최초의 일관성 보장을 제공함을 보여줍니다.
📊 Category
stat
297 편의 논문
A Semiparametric Nonlinear Mixed Effects Model with Penalized Splines Using Automatic Differentiation
이 논문은 자동 미분 기법을 활용하여 페널티 스플라인과 변환 매개변수를 결합한 준모수적 비선형 혼합 효과 모델의 추정 절차를 제시하며, 시뮬레이션과 영아 성장 사례 연구를 통해 기존 방법 대비 향상된 추론 성능과 계산 효율성을 입증합니다.
Including historical control data in simultaneous inference for pre-clinical multi-arm studies
이 논문은 동적 베이지안 차용과 동시 신뢰구간을 활용하여 장기 발암성 연구의 이진 결과물에 역사적 대조군 데이터를 통합함으로써 동물 사용량을 크게 줄이면서도 가족별 오차율 (FWER) 을 적절히 통제하는 새로운 방법론을 제안하고 그 유효성을 시뮬레이션을 통해 입증했습니다.
Exploiting Expertise of Non-Expert and Diverse Agents in Social Bandit Learning: A Free Energy Approach
이 논문은 보상에 대한 정보 없이도 다른 에이전트의 행동만을 관찰하여 그들의 전문성을 추정하고 이를 개인 경험과 통합함으로써 비전문가 및 다양한 에이전트 집단에서도 최적 정책을 수렴하고 로그 후회 (logarithmic regret) 를 달성하는 자유 에너지 기반의 사회적 밴딧 학습 알고리즘을 제안합니다.
Causal Influence Maximization with Steady-State Guarantees
이 논문은 제한된 예산 하에서 네트워크의 장기적 안정 상태 결과를 극대화하기 위해, 고차원 경로 의존적 역학을 저차원 노출 매핑으로 축소하고 관측 데이터로부터 형태 제약이 있는 노출 - 반응 함수를 학습한 후 탐욕적 전략을 적용하는 'CIM'이라는 두 단계 프레임워크를 제안하여 인과 추론과 네트워크 최적화를 연결하고 이론적 보장을 제공합니다.
A Further Efficient Algorithm with Best-of-Both-Worlds Guarantees for -Set Semi-Bandit Problem
본 논문은 -set 반-밴딧 문제에서 프레체 (Fréchet) 및 파레토 (Pareto) 분포를 활용한 FTPL 알고리즘이 적대적 환경과 확률적 환경 모두에서 최적의 후회 (regret) 보장을 달성하고, 조건부 기하학적 리샘플링을 통해 계산 복잡도를 획기적으로 낮추는 효율적인 알고리즘을 제안합니다.
Language Generation with Replay: A Learning-Theoretic View of Model Collapse
이 논문은 생성된 텍스트가 학습 데이터에 재유입되는 '리플레이'가 언어 생성의 수렴성에 미치는 영향을 학습이론적 관점에서 분석하여, 균일 생성에는 무해하지만 비균일 생성과 극한 생성에서는 성능 저하를 초래할 수 있음을 증명하고, 이를 완화하는 실용적 기법들의 이론적 한계를 규명합니다.
Robust Sequential Hypothesis Testing with Generalized Estimating Equations
이 논문은 종단 및 군집 상관 데이터를 위한 기존 방법론의 한계를 극복하고, 모델링 가정 없이도 강건성을 유지하면서 더 넓은 범위의 가설을 검정할 수 있는 새로운 순차적 일반화 추정 방정식 (GEE) 프레임워크를 제안하고, 이를 통해 효율적 경계 계산과 결측 데이터 처리가 가능하도록 하며, 시뮬레이션과 실제 간염 C 치료 데이터를 통해 그 유효성을 입증합니다.
Hypercomplex Widely Linear Processing: Fundamentals for Quaternion Machine Learning
이 논문은 머신러닝 분야에서 3 차원 회전 모델링의 강력한 능력을 가진 쿼터니온의 부흥을 배경으로, 증강 통계, 광선형 모델, 쿼터니온 미적분 및 평균 제곱 추정 등을 체계적으로 다루어 쿼터니온 머신러닝 연구의 기초를 마련합니다.
Data Fusion with Distributional Equivalence Test-then-pool
이 논문은 과거 대조군 데이터를 활용하여 통계적 검정력을 높이는 동시에 제 1 종 오류를 엄격히 통제하기 위해 최대 평균 불일치 (MMD) 기반의 분포 동등성 검정과 부분 부트스트랩 기법을 결합한 새로운 '테스트 후 풀링 (Test-then-pool)' 프레임워크를 제안합니다.
Causal Representation Learning with Optimal Compression under Complex Treatments
이 논문은 다중 치료 효과 추정의 과적합 및 차원의 저주 문제를 해결하기 위해 최적의 균형 가중치를 이론적으로 유도하고, 확장성이 뛰어난 'Treatment Aggregation' 전략과 생성형 아키텍처를 제안하여 대규모 개입 시나리오에서 정확도와 효율성을 크게 향상시켰습니다.
EnTransformer: A Deep Generative Transformer for Multivariate Probabilistic Forecasting
이 논문은 에너지 기반 스코링 목적 함수와 엔그레션 (engression) 을 결합하여 파라미터적 가정을 피하면서도 상관관계가 있는 다변량 시계열의 복잡한 결합 예측 분포를 학습하고 일관된 확률적 예측을 생성하는 새로운 딥 생성 트랜스포머 모델인 'EnTransformer'를 제안하고, 다양한 벤치마크 데이터셋에서 기존 모델보다 우수한 성능을 입증합니다.
Distributionally balanced sampling designs
이 논문은 생태학 및 환경 과학과 같은 비용이 많이 드는 데이터 수집 분야에서 표본이 모집단의 보조 변수 분포를 전체적으로 잘 반영하도록 하여 추정치의 신뢰성을 높이는 새로운 확률 표본 추출 설계인 '분포 균형 설계 (DBD)'를 제안하고 있습니다.
Bayesian Model Calibration with Integrated Discrepancy: Addressing Inexact Dislocation Dynamics Models
이 논문은 케네디와 오'해건 (KOH) 의 전통적인 불일치 정의와 달리 시뮬레이터 내부에 통합된 불일치 가우시안 프로세스를 도입하여 계산 효율성을 확보하고 입력 매개변수 불확실성으로 모델 오차를 설명하는 새로운 베이지안 모델 보정 기법을 개발하고, 이를 분자 동역학 및 이산 전위 역학 시뮬레이션에 적용하여 검증했습니다.
Uncovering Locally Low-dimensional Structure in Networks by Locally Optimal Spectral Embedding
이 논문은 전역적 저차원 가정이 실세계 네트워크의 국소적 구조를 왜곡하는 문제를 해결하기 위해 가중치 스펙트럼 분해를 기반으로 한 '국소 인접 스펙트럼 임베딩 (LASE)'을 제안하고, 이를 통해 국소적 저차원 구조를 효과적으로 포착하며 UMAP-LASE 를 통해 고충실도 전역 시각화를 가능하게 함을 보여줍니다.
On-Average Stability of Multipass Preconditioned SGD and Effective Dimension
이 논문은 데이터 재사용으로 인한 상관관계를 고려한 새로운 평균 안정성 분석 기법을 개발하여, 다중 패스 전처리 SGD 의 일반화 성능을 유효 차원과 연결하고 부적절한 전처리 행렬이 최적화 및 일반화 모두에서 비최적의 성능을 초래할 수 있음을 증명합니다.
Low-Rank and Sparse Drift Estimation for High-Dimensional Lévy-Driven Ornstein--Uhlenbeck Processes
이 논문은 고차원 Lévy-구동 오렌슈타인-울렌벡 과정에서 저랭크 및 희소 구조를 가진 드리프트 행렬을 추정하기 위해 핵 노름과 페널티를 결합한 볼록 추정기를 제안하고, 이를 통해 차원 의존성을 개선한 비점근적 오라클 부등식을 유도합니다.
Chemical Reaction Networks Learn Better than Spiking Neural Networks
이 논문은 은닉층이 없는 화학 반응 네트워크가 은닉층이 필요한 스파이킹 신경망보다 분류 작업을 더 정확하게 효율적으로 학습할 수 있음을 수학적으로 증명하고 실험을 통해 검증함으로써, 화학적 컴퓨터의 기계 학습 가능성과 생물학적 세포의 학습 효율성을 설명합니다.
Wasserstein Gradient Flows for Batch Bayesian Optimal Experimental Design
이 논문은 배치 베이지안 최적 실험 설계 (BOED) 문제를 확률 측도 공간으로 확률론적으로 승격시키고 엔트로피 정규화를 도입하여, Wasserstein 기울기 흐름과 입자 기반 알고리즘을 통해 고차원 비볼록 최적화 문제를 해결하는 새로운 접근법을 제안합니다.
A Quantitative Characterization of Forgetting in Post-Training
이 논문은 포스트 트레이닝 중 발생하는 망각을 '질량 소실'과 '구성 요소 이동'으로 정의하고, KL 발산 방향, 기하학적 행동 중복도, 샘플링 전략 및 과거 데이터 가시성 간의 상호작용을 통해 망각을 정량화하는 이론적 틀을 제시합니다.