260 papers
Dit werk toont aan dat een driedimensionaal ReLU-netwerkarchitectuur met verhoogde hoogte aanzienlijk efficiëntere benaderingen mogelijk maakt voor analytische en -functies, waardoor zowel exponentiële convergentie voor analytische klassen als kwantitatieve, niet-asymptotische benaderingen voor hoge-orde -functies worden bereikt.
Dit artikel breidt conformale e-predicatie uit naar situaties met waargenomen verstorende factoren tussen het object en de label , zowel voor onafhankelijke en identiek verdeelde data als voor gevallen met afhankelijkheid tussen observaties.
Dit artikel presenteert een niet-parametrische regressiemethode op basis van diepe neurale netwerken en het principe van minimale foutentropie voor sterk gemengende data, waarbij wordt aangetoond dat zowel niet-gestraalde als straal-gestraalde schatters de minimax-optimale convergentiesnelheid bereiken.
Dit paper introduceert diagnostische transportkaarten om onbetrouwbare voorspellingsverdelingen voor zeldzame gebeurtenissen, zoals tropische cycloonintensiteit, te kalibreren en te verbeteren door lokale fouten te diagnosticeren en te corrigeren.
Dit artikel beschrijft de opzet, het takenpakket en de strategische waarde van gespecialiseerde methodologiegroepen in de farmaceutische industrie, die door het ontwikkelen en integreren van innovatieve statistische methoden de efficiëntie en het succes van geneesmiddelenontwikkeling proberen te maximaliseren.
Dit paper presenteert een continu-tijd stochastisch model en een bijbehorende bootstrap-methode voor het schatten van de volledige predictieve verdeling van claimsreserves binnen het kader van Schnieper's model, waarbij asymmetrie en niet-negativiteit op natuurlijke wijze worden gewaarborgd.
Dit paper introduceert een statistisch betrouwbaar optimalisatiekader dat adaptieve steekproefverdeling via multi-armed bandits combineert met gecorrigeerde hypothetetoetsing, waardoor wetenschappelijke ontdekkingen efficiënter worden zonder de geldigheid van de statistische conclusies te schaden.
Dit paper introduceert RIE-Greedy, een methode die de inherenten stochasticiteit van regularisatie tijdens modeltraining gebruikt om effectieve exploratie in contextuele bandieten te realiseren zonder complexe strategieën, wat theoretisch equivalent is aan Thompson Sampling en empirisch superieur presteert in grote schaalbedrijfsomgevingen.
Dit artikel introduceert de 'outrigger' lokale polynoomschatter, een robuuste methode voor niet-parametrische regressie die distributieve aanpassingsvermogen biedt zonder strenge aannames over de foutverdeling, en die theoretisch bewezen asymptotisch optimaal is ten opzichte van de standaard schatter.
Dit artikel introduceert een unificerend framework genaamd wcPCA voor worst-case laag-rang benaderingen dat, in tegenstelling tot standaard PCA, robuuste prestaties garandeert over heterogene domeinen door de ergste-case variantie te minimaliseren binnen het convexe omhulsel van de broncovarianties.
Deze studie toont aan dat beslissingen over procescapaciteit op basis van vaste drempelwaarden (zoals ) inherent onstabiel zijn bij kleine steekproeven, waarbij de kans op een aanvaarding bij een waarheid op de drempel naar 50% convergeert en zelfs kleine afwijkingen leiden tot aanzienlijke risico's op inconsistente vrijgavebeslissingen.
Deze paper introduceert een nieuwe methode voor multivariate functionele hoofdcomponentenanalyse van gemengde mHealth-gegevens, die via een semiparametrisch Gaussische copula-model tijdsgebonden patronen in stemming en activiteit onthult om subtypen van stemmingsstoornissen effectief te onderscheiden.
Deze paper introduceert een nieuw transfer learning-framework voor overlevingsanalyse dat voorspellende kennis overdraagt in plaats van verdelingskennis, waardoor het model robuuster is bij beperkte doelpopulaties en geen toegang vereist tot individuele brondata.
Dit artikel introduceert dynamische Bayesiaanse regressie-quantilesynthese (DRQS) en de multivariate uitbreiding FDRQS, nieuwe methoden die binnen het Bayesiaanse voorspellingskader meerdere modellen combineren om conditionele quantielen te voorspellen en zo, vooral tijdens economische stressperiodes zoals de pandemie, superieure prestaties leveren vergeleken met bestaande benaderingen.
Deze paper introduceert een sequentiële methode voor het genereren, tellen en steekproeven van bipartiete, gerichte en ongerichte grafen met voorgeschreven graadsequenties, waarbij een noodzakelijke en voldoende intervalvoorwaarde wordt vastgesteld om globale haalbaarheid te garanderen en de schaalbaarheid naar grote instanties wordt verbeterd.
Dit artikel presenteert een nieuw robuust raamwerk voor het gezamenlijk modelleren van continue en binaire responsvariabelen, dat gebruikmaakt van de dichtheidskrachtdivergentie en -regularisatie om uitbijters te weerstaan en tegelijkertijd nauwkeurige, sparse schattingen te leveren in hoogdimensionale settings.
Deze studie presenteert een methode voor het gelijktijdig schatten van meerdere discrete unimodale distributies onder stochastische ordebeperkingen, die bij kleine steekproefgroottes de Jensen-Shannon-divergentie aanzienlijk verlaagt ten opzichte van bestaande methoden.
Dit artikel breidt de theoretische eigenschappen en schattingsmethoden voor de Unit Teissier-verdeling uit door nieuwe momenten en karakterisaties af te leiden, diverse schatters te vergelijken via simulaties, en de toepasbaarheid op echte data te demonstreren.
Dit artikel introduceert een theoretisch raamwerk voor het ontleden van observatieve multipliciteit in beslisbomen in 'leaf regret' en 'structurele regret', waarbij wordt aangetoond dat structurele instabiliteit de dominante bron van variatie is en dat deze maatstaven de modelveiligheid kunnen verbeteren door selectief voorspellen.
Dit artikel biedt een verenigde aanpak voor het afleiden van effectieve vrijheidsgraden voor BRR- en jackknife-variatieschattingen in gestratificeerde steekproeven door de onafhankelijkheid van stratum-contrasts te analyseren, wat leidt tot een praktische formule voor betrouwbaarheidsintervallen.