Parallel computations for Metropolis Markov chains with Picard maps
本文提出了一种基于 Picard 映射的并行算法，用于模拟针对对数凹分布的零阶（无梯度）Metropolis 马尔可夫链，该算法利用并行计算将收敛速度提升了倍，并在高维回归、无梯度流行病模型及精准医疗等实际应用中展现了高效性。
📊 Category
stat.CO
40 篇论文
An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
该论文提出了一种名为贝叶斯生成建模（BGM）的统一框架，通过随机迭代贝叶斯更新算法学习生成模型，从而无需重新训练即可实现对任意变量子集的灵活条件推断，并兼具优越的预测性能、不确定性量化能力及理论保证。
Sampling on Discrete Spaces with Temporal Point Processes
该论文提出了一种基于具有向下封闭支撑的多元时间点过程的新采样方法，通过构建具有离散动量特性的无限服务队列系统，实现了从任意目标多元计数分布的高效采样，并在模拟中展现出优于传统出生死亡过程和 Zanella 方法的性能。
BNEM: A Boltzmann Sampler Based on Bootstrapped Noised Energy Matching
本文提出了一种基于自举去噪能量匹配（BNEM）的新型玻尔兹曼采样器，该方法通过直接学习能量函数并结合自举技术平衡偏差与方差，在二维高斯混合模型和双势阱势等任务中展现了比现有方法更优越的性能和鲁棒性。
Fast confidence bounds for the false discovery proportion over a path of hypotheses
本文提出了一种新算法，利用参考族的森林结构特性，将计算递增假设路径上假发现比例后验界的时间复杂度从降低至，从而实现了对整条曲线的高效快速计算。
StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
本文提出了名为 StablePCA 的分布鲁棒框架，旨在从多源高维数据中提取共享的低维表示，并通过凸松弛与镜像近端算法解决其非凸优化难题，同时提供了评估松弛紧致性的数据依赖证书。
Robustness and size-dependence of circadian rhythms in multiscale suprachiasmatic-nucleus networks
该研究利用几何分支生长和几何重正化技术，证实了真实小鼠视交叉上核（SCN）网络在跨尺度缩放时其昼夜节律（包括周期、振幅和同步性）具有鲁棒性，并揭示平均连接度而非聚类自相似性是驱动网络振荡稳定性的关键结构因素。
Multi-parameter determination in the semilinear Helmholtz equation
本文研究了有界域上半线性亥姆霍兹方程的逆边界值问题，利用高阶线性化方法证明了在 维下可从 Neumann-to-Dirichlet 映射唯一确定线性和非线性系数，并构建了基于贝叶斯推断和 pCN 马尔可夫链蒙特卡洛算法的数值重构框架以实现系数恢复及不确定性量化。
A note on diffusive/random-walk behaviour in Metropolis--Hastings algorithms
本文证明了若 Metropolis-Hastings 算法的提议分布非几何遍历且接受率随状态增大趋于 1，则其链亦非几何遍历，并进一步揭示了在多项式尾部目标分布下引导游走算法比随机游走算法快两倍收敛，而在严格凸势函数下两者在大状态时均表现出相似的弹道式运动速度。
Group-Sparse Smoothing for Longitudinal Models with Time-Varying Coefficients
本文提出了一种名为 TV-Select 的统一框架，通过结合 B 样条近似与双重惩罚机制（组 Lasso 与光滑惩罚），在纵向数据变系数模型中同时实现变量选择以及区分效应是时变还是恒定的结构识别，从而在避免过拟合的同时提升估计精度与预测性能。
Fractional Topological Phases, Flat Bands, and Robust Edge States on Finite Cyclic Graphs via Single-Coin Split-Step Quantum Walks
该论文提出了一种基于单硬币分裂步循环量子行走的方案，首次在有限循环图上实现了全幺正非相互作用体系中的分数拓扑相，揭示了其独特的能带结构、分数拓扑不变量（）及由此产生的鲁棒边缘态。
Momentum SVGD-EM for Accelerated Maximum Marginal Likelihood Estimation
本文提出了一种名为 Momentum SVGD-EM 的加速算法，通过在模型参数和概率测度空间中引入 Nesterov 动量，显著提升了基于 Stein 变分梯度下降的最大边际似然估计的收敛速度。
Learning Robust Treatment Rules for Censored Data
本文针对截尾生存数据，提出了两种分别以截断平均生存时间和缓冲生存概率为目标的鲁棒治疗规则学习准则，开发了基于采样的差凸算法并进行了理论与实证验证。
Conditional Local Importance by Quantile Expectations
本文提出了一种名为 CLIQUE 的新颖模型无关方法，通过量化期望来捕捉局部依赖关系，从而克服了 LIME 和 SHAP 等现有方法在反映局部变量交互及多分类问题上的局限性，并有效降低了预测偏差。
Network Cross-Validation and Model Selection via Subsampling
本文提出了一种名为 NETCROP 的通用网络交叉验证方法，通过利用重叠子网划分构建训练与测试集，实现了在大规模网络模型选择与参数调优任务中兼具计算高效性与高准确性的解决方案。
Optimally balancing exploration and exploitation to automate multi-fidelity statistical estimation
本文提出了一种自适应算法，通过平衡多保真度统计估计中用于计算最优分配所需的“神谕”统计量估算与最终估计器构建之间的资源，在忽略传统方法中常忽视的估算成本与误差的情况下，实现了与理想最优分配相当的平均平方误差性能。
Two-sample comparison through additive tree models for density ratios
该论文提出了一种基于加法树模型和新型平衡损失函数的两样本密度比估计方法，该方法不仅支持高效的监督学习算法和广义贝叶斯推断以实现不确定性量化，还在数值实验中展现出高精度与计算效率，并成功应用于微生物组生成模型的质量评估。
Tensor Train Completion from Fiberwise Observations Along a Single Mode
该论文提出了一种仅利用标准线性代数运算、针对沿单一模式纤维观测的张量进行快速且确定性恢复的张量列车补全方法，该方法在满足合理确定性观测条件下无需随机性假设即可保证有效重建。
Optimising two-block averaging kernels to speed up Markov chains
本文研究了如何通过选择最优的两块划分来加速有限马尔可夫链的混合，建立了 KL 散度与 Frobenius 距离目标与投影链之间的显式联系，将划分选择重构为具有差分子模分解的结构化组合优化问题，并提出了多种高效的近似算法以替代穷举搜索。
Gimbal Regression: Orientation-Adaptive Local Linear Regression under Spatial Heterogeneity
本文提出了一种名为“万向节回归”（Gimbal Regression）的确定性、几何感知局部回归框架，旨在通过显式利用邻域几何构建方向性权重并采用闭式求解，解决因各向异性或低维邻域导致的局部回归病态问题，从而在空间异质性分析中实现更稳定、可审计的估计。