A Python implementation of some geometric tools on Kendall 3D shape space for practical applications
本文针对将肯德尔 3D 形状空间理论转化为实际计算流程的难题，提出了一套基于 Python 的几何工具，旨在弥补现有库（如 Geomstats）在高级 3D 形状分析方面的功能缺失，从而为研究人员提供高效且易于使用的软件解决方案。
📊 Category
stat.CO
38 篇论文
ForwardFlow: Simulation only statistical inference using deep learning
该论文提出了一种名为 ForwardFlow 的基于深度学习的纯模拟统计推断框架，通过训练一个包含坍缩层的分支神经网络，直接从模拟数据中求解参数估计的逆问题，从而在无需解析似然函数的情况下实现有限样本精确性、对数据污染的鲁棒性以及算法近似能力。
A Bayesian Approach for the Variance of Fine Stratification
本文提出了一种用于细粒度分层抽样中合并层方差估计的层次贝叶斯估计量，并通过模拟研究与实际数据分析证明，该方法在偏差和均方误差方面均优于现有的伪分层、非参数贝叶斯及基于核的估计方法。
Diagnostics for Semiparametric Accelerated Failure Time Models with R Package afttest
本文介绍了 R 语言包 `afttest`，该包通过实现基于乘子自助法和一种计算高效的线性近似重抽样策略，为半参数加速失效时间模型提供了全面的拟合优度诊断工具，在保留渐近有效性的同时显著降低了计算成本。
Two Localization Strategies for Sequential MCMC Data Assimilation with Applications to Nonlinear Non-Gaussian Geophysical Models
本文提出了一种基于序贯马尔可夫链蒙特卡洛（SMCMC）技术的局部数据同化方案，通过两种利用观测空间稀疏性的新策略，在避免粒子滤波权重退化问题的同时，有效处理了高维非线性非高斯地理物理模型（包括 SWOT 和漂流浮标数据）中的重尾观测噪声，并展示了其优于局部集合变换卡尔曼滤波（LETKF）的性能。
On the Unit Teissier Distribution: Properties, Estimation Procedures and Applications
本文在已有研究基础上，进一步推导了单位 Teissier 分布的阶统计量矩、L-矩及截断矩表征等理论性质，系统比较了包括最大乘积间距、多种距离度量及 L-矩在内的多种参数估计方法，并通过模拟研究与实际数据应用验证了该分布的灵活性与实用性。
A Semiparametric Nonlinear Mixed Effects Model with Penalized Splines Using Automatic Differentiation
本文提出了一种基于惩罚样条和自动微分技术的半参数非线性混合效应模型估计方法，该方法通过拉普拉斯近似处理随机效应积分，在模拟研究和婴儿身高增长案例中展现了优于现有方法的推断性能与计算效率。
Wasserstein Gradient Flows for Batch Bayesian Optimal Experimental Design
本文提出了一种基于 Wasserstein 梯度流的新型批量贝叶斯最优实验设计方法，通过将优化问题提升到概率测度空间并引入熵正则化，利用粒子算法有效解决了高维非凸批量设计中的期望信息增益优化难题。
Bias- and Variance-Aware Probabilistic Rounding Error Analysis for Floating-Point Arithmetic
本文提出了一种考虑偏差与方差的概率舍入误差分析框架，通过显式化置信参数并利用前两阶矩推导后向误差界，从而能够处理非零均值（有偏）的舍入误差模型，并在低精度计算中展现出比传统确定性界限更优的误差预测能力。
MCMC using Hamiltonian dynamics: A unifying framework for Hamiltonian Monte Carlo and piecewise deterministic Markov process samplers
该论文建立了一个基于反弹哈密顿动力学的统一框架，将哈密顿蒙特卡洛（HMC）与分段确定性马尔可夫过程（PDMP）采样器联系起来，提出了一种兼具两者特性的无拒绝 Metropolis 提案方法，并在高维贝叶斯推断任务中展现出卓越性能。
Computationally efficient multi-level Gaussian process regression for functional data observed under completely or partially regular sampling designs
本文提出了一种针对完全或部分规则采样设计下多水平高斯过程回归的高效解析计算方法，通过推导精确的解析表达式显著降低了计算复杂度，使得在 Stan 中处理大规模函数数据成为可能。
DisSim-FinBERT: Text Simplification for Core Message Extraction in Complex Financial Texts
该研究提出了 DisSim-FinBERT 框架，通过结合话语简化与基于方面的情感分析技术，有效提升了从 FOMC 会议纪要等复杂金融文本中提取核心信息及情感预测的准确性。
Bayesian Transfer Learning for High-Dimensional Linear Regression via Adaptive Shrinkage
本文提出了一种名为 BLAST 的贝叶斯迁移学习框架，通过结合全局 - 局部收缩先验与贝叶斯源选择机制，在高效处理高维线性回归的同时实现了对目标数据的精准推断、优越的不确定性量化以及对负迁移的有效抑制。
Understanding and Managing Frogeye Leaf Spot through Network-Based Modeling in Soybean
该研究通过引入真实田间结构的网络模型，利用近似贝叶斯计算量化了大豆 Frogeye 叶斑病的传播参数，发现耕作方式对病害扩散影响不显著，并证实早期针对性拔除病株比延迟或随机移除更为有效，从而为病害管理提供了科学指导。
A Bayesian approach to learning mixtures of nonparametric components
本文提出了一种基于贝叶斯非参数先验的有限混合模型方法，通过建立分量分布的可识别性条件与后验收缩理论，并开发高效 MCMC 算法，实现了对复杂潜变量子总体分布的有效学习，其收敛速率显著优于传统去卷积方法。
Latent-IMH: Efficient Bayesian Inference for Inverse Problems with Approximate Operators
本文提出了一种名为 Latent-IMH 的高效采样方法，通过利用计算廉价的近似算子生成潜在变量并结合精确算子进行修正，成功将计算成本转移至离线阶段，从而在贝叶斯线性逆问题中显著提升了采样效率并优于现有主流方法。
Least trimmed squares regression with missing values and cellwise outliers
本文提出了一种新的回归方法，能够同时处理缺失值、个案异常值和单元异常值，适用于偏态分布，并实现了首个针对单元异常值的稳健回归预测。
Steady State Distribution and Stability Analysis of Random Differential Equations with Uncertainties and Superpositions: Application to a Predator Prey Model
本文提出了一种基于蒙特卡洛数值方案的计算框架，用于分析参数不确定性及混合分布下的随机微分方程稳态分布与稳定性，并通过罗森茨韦格 - 麦克阿瑟捕食者 - 猎物模型验证了该方法在揭示多模态稳态分布及计算稳定性区域方面的有效性。