252 papers
Dit artikel onderzoekt de asymptotische eigenschappen van cut-verdelingen, bewijst een Bernstein-von Mises-stelling en stelt een algoritme op basis van Posterior Bootstrap voor dat betrouwbare credible regions biedt voor robuuste modulaire Bayesiaanse inferentie.
Dit artikel presenteert een wiskundig raamwerk en een numeriek algoritme voor het oplossen van het continue inverse probleem bij ruwe differentiaalvergelijkingen, waarbij een ruw pad wordt geconstrueerd dat een geobserveerde trajectorie genereert door gebruik te maken van discrete benaderingen en signatuurrepresentaties.
Dit artikel introduceert een disjunctieve branch-and-bound-methode en nieuwe convex relaxaties die lage-rang-matrixcompletieproblemen met een gegarandeerd optimaal resultaat oplossen, wat leidt tot aanzienlijk lagere trainings- en testfouten vergeleken met bestaande heuristieken.
Deze paper introduceert een efficiënt, op optimale transport gebaseerd aggregatiekader voor het combineren van lokaal getrainde Mixture-of-Experts-modellen in een decentrale omgeving, waarbij met slechts één communicatiestap een globaal model wordt verkregen dat prestaties vergelijkbaar met centrale training bereikt.
Dit artikel introduceert twee niet-parametrische methoden voor het schatten van de verdeling van de tijd tot een nieuwe toestand in een progressief multistate-model met intervalgecensureerde data, waarbij de schatters worden getoetst via simulaties en toegepast op data van borstkankerpatiënten.
Dit artikel introduceert twee robuuste criteria en een sampling-based difference-of-convex algoritme voor het leren van optimale behandelingsregels bij gecensureerde overlevingsdata, met als doel de afgeknotte gemiddelde overlevingstijd en bufferde overlevingskansen te maximaliseren.
Dit artikel onderzoekt drie methoden voor parametrische schatting in een multi-fidelity setting om de modellering van zeldzame gebeurtenissen, zoals extreme schipbewegingen, efficiënter te maken door gebruik te maken van zowel hoog- als laag-fidelity data.
Dit artikel introduceert een geometrisch theorie voor generatieve diffusiemodellen, waarin wordt aangetoond dat memorisatie van trainingsdata niet abrupt maar geleidelijk verloopt via een 'gladde instorting' waarbij het model zich geleidelijk concentreert op een paar voorbeelden naarmate de data schaars wordt.
Dit artikel biedt een grondige theoretische analyse van de Vecchia-benadering voor isotrope Matérn-Gaussian Processes, waarbij het de probabilistische eigenschappen, de keuze van de DAG-structuur en de optimale contractiesnelheid van de posterior in niet-parametrische regressie vaststelt.
Dit artikel verbetert de theorie van parametrische bootstrapping voor voorspellingsintervallen van kleine gebieden door aan te tonen dat de dekking van alleen behouden blijft bij het bestaan van een pivot, en stelt een dubbele parametrische bootstrap-methode voor om de dekking te corrigeren wanneer een pivot ontbreekt.
Dit paper introduceert CLIQUE, een model-onafhankelijke methode voor lokale variabele belangrijkheid die beter in staat is om lokale afhankelijkheden en interacties in multiclass-classificatieproblemen vast te leggen dan bestaande technieken zoals LIME en SHAP.
Dit artikel introduceert een methode om het ontwerp van klinische trials te kalibreren zodat statistische significantie een formele link heeft met klinische betekenis, door operationele kenmerken af te stemmen op het aantonen van een onbalans in klinisch equipoise.
Dit artikel introduceert een nieuw statistisch model voor paarwijze vergelijkingen dat de beperkende aanname van stochastische transitiviteit elimineert door gebruik te maken van een laag-dimensionale schuine-symmetrische matrix, waardoor het superieure voorspellende prestaties biedt in complexe scenario's waar traditionele modellen zoals Bradley-Terry falen.
Dit artikel introduceert een Cholesky-SVM-algoritme dat de beperkingen van traditionele SVM's in niet-Euclidische ruimtes overbrugt door de covariantie van de data in de optimalisatie te integreren, wat leidt tot aanzienlijk betere classificatieprestaties dan bestaande methoden.
Deze paper introduceert NETCROP, een efficiënte en nauwkeurige methode voor cross-validatie en modelselectie in complexe netwerken door het gebruik van overlappende subnetwerken.
Dit paper introduceert twee nieuwe datagedreven algoritmen die offline versterkte leer- en overlevingsanalyse technieken combineren om optimale prijs- en voorraadbeheerstrategieën te leren in een omgeving met gecensureerde en afhankelijke vraag, waarbij de uitdagingen van ontbrekende winstinformatie en het verlies van de Markov-eigenschap worden overwonnen door het probleem te benaderen als een hoog-ordelijk Markov-beslissingsproces.
Dit artikel introduceert een adaptief algoritme dat de rekenkracht optimaal verdeelt tussen het schatten van orakelstatistieken en het construeren van een multi-fidelity Monte Carlo-schatter, waardoor de computatiekosten worden verlaagd terwijl de nauwkeurigheid behouden blijft.
Dit artikel introduceert een nieuw causaal raamwerk voor meta-analyses dat, in tegenstelling tot traditionele methoden die vaak falen bij niet-lineaire maatstaven, nieuwe aggregatieformules biedt om de interpretatie van behandelingseffecten te verbeteren en potentiële misleidende conclusies over te halen.
Dit artikel presenteert een raamwerk voor het systematisch ontwikkelen van evidence-based aanpassingsvariabelen voor adaptieve interventies, waarbij wordt geconcludeerd dat hoewel secundaire data bruikbaar is, gecontroleerde optimalisatie-experimenten de meest directe causale bewijzen leveren voor het bepalen van meetmomenten, beslismomenten en drempelwaarden.
Deze paper introduceert een methode voor tweestalenvergelijking via additieve boommodellen voor het schatten van dichtheidsverhoudingen, die gebruikmaken van een nieuwe 'balancing loss' voor efficiënte training en Bayesiaanse inferentie met onzekerheidskwantificering.