Insights into the Relationship Between D- and A-optimal Designs
이 논문은 선형 모델에서 A-기준이 D-기준의 역수 척도 항과 고유값 분산에 의존하는 무차원 구면성 인자의 곱으로 분해됨을 보여줌으로써, D-기준에서 동등한 설계들이 계수 분산 및 예측 분산 측면에서 왜 상이한 성능을 보이는지 설명하고 이를 설계 최적화 및 후보군 선별에 활용하는 방법을 제시합니다.
📊 Category
stat
252 편의 논문
Universal Shuffle Asymptotics, Part II: Non-Gaussian Limits for Shuffle Privacy -- Poisson, Skellam, and Compound-Poisson Regimes
이 논문은 고정된 로컬 랜다라이저를 가정하는 Part I 의 가우시안 한계 이론을 넘어, 로컬 프라이버시 매개변수가 증가함에 따라 국소 랜다라이저가 집중되는 임계 구간에서 샤플 프라이버시 메커니즘이 가우시안 분포가 아닌 포아송, 스킬럼, 및 복합 포아송 분포로 수렴하는 비가우시안 보편성 붕괴 현상을 규명하고 이를 통해 3 단계의 점근적 체계를 완성합니다.
Trajectory-informed graph-based clustering for longitudinal cancer subtyping
이 논문은 다중 모달 임상 데이터와 환자 상태의 시간적 변화를 통합한 그래프 기반 군집화 방법을 제안하여, 종양의 정적 특성이 아닌 역동적인 질병 진행 패턴에 기반한 임상적으로 유의미한 암 하위 유형을 식별하고 개인 맞춤형 치료 전략을 강화할 수 있음을 입증합니다.
Unbalanced Optimal Transport Dictionary Learning for Unsupervised Hyperspectral Image Clustering
이 논문은 잡음과 이상치에 강인하면서도 클래스를 흐리게 하지 않는 불균형 최적 수송 딕셔너리 학습을 통해 초분광 이미지의 비지도 클러스터링 성능을 향상시키는 새로운 방법을 제안합니다.
Pseudo Empirical Best Prediction of Multiple Characteristics in Small Areas
이 논문은 복잡한 표본 설계 하에서 다변량 중첩 오차 회귀 (MNER) 모형을 기반으로 여러 종속 목표 변수의 지역 평균을 추정하기 위한 다변량 의사 경험적 최적 선형 불편측정자 (MNER) 와 그 평균 제곱 오차 추정법을 제안하고, 부트스트랩 절차를 통해 그 성능을 검증합니다.
Novel g-computation algorithms for time-varying actions with recurrent and semi-competing events
이 논문은 시간 의존적 교란 변수와 준경쟁 사건 (semi-competing events) 을 동시에 고려할 수 있는 새로운 g-계산 알고리즘을 제안하고, 시뮬레이션 및 실제 데이터 분석을 통해 그 유효성을 입증했습니다.
Stability and Robustness via Regularization: Bandit Inference via Regularized Stochastic Mirror Descent
이 논문은 스토캐스틱 미러 디센트 프레임워크를 기반으로 한 정규화 EXP3 알고리즘이 적응적 샘플링 환경에서도 안정적인 추론을 가능하게 하면서 동시에 최적의 후회 (regret) 보장을 제공하고, 적대적 오염에 대한 강인성까지 갖춘다는 것을 증명합니다.
A General Theory of Outcome Weighted Learning for Individualized Treatment Rules
이 논문은 매터른 (Matern) 커널과 다양한 손실 함수를 포괄하는 일반화된 이론을 통해 개인별 치료 규칙을 학습하는 결과 가중 학습 (OWL) 프레임워크의 수렴 속도를 증명하고, 새로운 최적화 알고리즘을 제안하여 시뮬레이션과 실제 임상 데이터에서 우수한 성능을 입증합니다.
Bayesian Synchronization of Proxy Paleorecords with Reference Chronologies
이 논문은 기존 정렬 방법의 불확실성 정량화 한계를 극복하고, 물리적으로 타당한 퇴적률 사전 분포를 활용하여 대역폭 불확실성을 정량화하는 베이지안 동기화 프레임워크인 BSync 를 제안하여 희소한 연대 제약 조건 하에서도 정밀한 고기후 기록 정렬을 가능하게 합니다.
A Diffusion Analysis of Policy Gradient for Stochastic Bandits
이 논문은 확률적 밴딧 문제에 대한 정책 경사법의 연속 시간 확산 근사를 분석하여 학습률 조건에 따른 후회 (regret) 의 상한과 하한을 증명합니다.
Bayesian Hierarchical Models and the Maximum Entropy Principle
이 논문은 하이퍼파라미터를 통해 정의된 계층적 베이지안 모델에서 조건부 사전분포가 최대 엔트로피 분포일 때, 하이퍼파라미터를 적분하여 얻은 종속적인 주변 사전분포 역시 다른 제약 조건 하에서 최대 엔트로피 성질을 가진다는 것을 증명함으로써 계층적 모델 할당이 실제로 어떤 정보를 가정하는지에 대한 통찰을 제공합니다.
MultiwayPAM: Multiway Partitioning Around Medoids for LLM-as-a-Judge Score Analysis
이 논문은 LLM-as-a-Judge 평가에서 발생하는 계산 비용과 편향을 해결하고 점수 구조를 분석하기 위해 질문, 답변자, 평가자의 조합으로 구성된 점수 텐서에 대해 군집 멤버십과 대표 객체 (medoids) 를 동시에 추정하는 새로운 텐서 군집화 방법인 MultiwayPAM 을 제안합니다.
Methods for Identifying Minimal Sufficient Statistics
이 논문은 최소 충분 통계량을 식별하는 기존 기준들의 일반적 무효성을 반례로 증명하고, 충분성이 알려진 경우 적용 가능한 견고한 새로운 기준을 제안하며 Pfanzagl 의 기준에 대한 추가 가정의 필요성을 보여줍니다.
Optimized combination of independent or simultaneous e-values
이 논문은 데이터에 기반하여 조정 매개변수를 최적화하더라도 유효한 독립적 또는 새로운 '동시 e-변수' 클래스의 최적화된 e-값 결합 방법을 제시하고, 이를 위해 초등 대칭 다항식을 기반으로 한 개선된 결합 검정법을 제안합니다.
On The Complexity of Best-Arm Identification in Non-Stationary Linear Bandits
이 논문은 비정상적 선형 밴드트 환경에서 고정 예산 하의 최적 암 식별 (BAI) 문제를 연구하여, 기존 G-최적 설계의 과도하게 보수적인 복잡도 한계를 극복하는 암 집합 의존적 하한을 수립하고, 이를 기반으로 한 'Adjacent-BAI' 알고리즘이 이 하한과 일치하는 최적의 성능을 보임을 증명합니다.
Robust Updating of a Risk Prediction Model by Integrating External Ranking Information
이 논문은 기존 예후 모델의 절대적 점수보다 순위 정보가 더 이식 가능하다는 가정에 기반하여, 내부 연구 데이터와 외부 모델 간의 순위 불일치를 패널티로 부과하는 새로운 추정법을 제안함으로써 새로운 바이오마커를 활용한 위험 예측 모델의 강건한 업데이트를 가능하게 합니다.
Surrogate-Assisted Targeted Learning for Delayed Outcomes under Administrative Censoring
이 논문은 지연된 결과와 행정적 검열이 존재하는 상황에서 역확률 가중치 추정량의 불안정성과 모델 의존성을 해결하기 위해, 대리 변수를 활용한 타겟 최소 손실 추정법을 개발하여 이중 강건성과 점근적 선형성을 보장하고 Washington State EPT 연구를 통해 그 유효성을 입증했습니다.
Adaptive Active Learning for Regression via Reinforcement Learning
이 논문은 강화 학습을 활용하여 탐색과 추론의 균형을 동적으로 조절하는 '가중치 개선 그리드 샘플링 (WiGS)'을 제안함으로써, 기존 개선 그리드 샘플링 (iGS) 보다 불규칙한 데이터 밀도 환경에서 더 높은 정확도와 레이블링 효율성을 달성하는 적응형 회귀 학습 방법을 제시합니다.
Brenier Isotonic Regression
이 논문은 다중 출력 회귀 문제에서 단조성을 유지하기 위해 최적 수송 이론의 브레니어 포텐셜을 활용하여 '브레니어 등적 회귀'라는 새로운 방법을 제안하고, 확률 보정 및 일반화 선형 모델 실험을 통해 기존 기법보다 우수한 성능을 입증합니다.
Dual Space Preconditioning for Gradient Descent in the Overparameterized Regime
이 논문은 오버파라미터화된 선형 모델에서 듀얼 스페이스 프리컨디셔닝 경사 하강법 (정규화 경사 하강법, 그래디언트 클리핑, Adam 등 포함) 의 수렴성을 새로운 Bregman 발산 기법을 통해 증명하고, 등방성 프리컨디셔너의 경우 초기화에서 최소 거리의 해로 수렴하여 표준 경사 하강법과 동일한 암시적 편향을 가짐을 보여줍니다.