219 篇论文
本文针对具有当前状态数据的渐进多状态模型，提出了两种基于竞争风险概念的无参数估计方法，用于在严重区间删失导致风险集计数缺失的情况下估计状态进入时间分布及状态占用概率，并通过模拟研究和乳腺癌数据应用验证了其有效性。
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。
本文研究了利用大量低精度数据辅助高精度数据进行参数估计的多保真度方法，提出了联合最大似然、多保真度矩估计及边际最大似然三种策略，并将其应用于极值分析模型及极端船舶运动模拟的量化中。
本文系统研究了 Vecchia 高斯过程近似在概率与统计层面的性质，通过提出基于范数集的选择策略并揭示其与多项式插值的联系，证明了该近似在非参数回归模型中能达到最优极小极大后验收缩率，并辅以数值实验验证。
本文通过理论推导与模拟实验，揭示了小区域经验最佳线性预测区间覆盖误差的阶数取决于枢轴量的存在性，并首次提出利用双重参数自助法在缺乏枢轴量时修正覆盖误差，从而将误差阶数从提升至。
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。
该论文指出传统荟萃分析在非线性效应量下缺乏因果解释，因此提出了无需个体数据的新型因果聚合公式，并通过对 500 项已发表研究的实证分析，揭示了传统方法可能将有害治疗误判为有益的风险。
本文针对自适应干预中缺乏实证选择“定制变量”（包括测量时机、决策时机及截断值）指导的问题，提出了一套系统框架，并论证了虽然可利用二次观测数据，但通过专门设计的优化随机对照试验能提供更直接因果证据来构建基于证据的定制变量。
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。
该论文提出了一种名为“成对最后观测时间（PLOT）”的估计量，通过仅利用干预事件发生前的基线匹配数据来评估纵向研究中的治疗效果，从而在无需结构性假设且即使存在严重正性违反的情况下，为处理截断死亡等复杂干预事件提供了一种稳健且数据驱动的因果推断新方法。
该研究通过放松对未观测混杂因素的强假设，利用线性规划和单调性方法推导了疫苗试验中不同疫苗效力估计量的非参数因果界，并探讨了不同因果结构下的界限差异及其在合成数据中的表现。
该论文针对能源市场中连续发生的机制转换及现有方法缺乏因果解释的局限，提出了一种结合神经因果发现与多变量时序数据的增强型时间序列因果模型（ATSCM），旨在通过可解释的因子和动态因果图实现对电价形成机制的深入理解及反事实推理。
本文提出了一种结合变分自编码器与结构因果模型的时序神经因果模型（TNCM-VAE），通过引入有向无环图约束和因果 Wasserstein 距离，成功生成了既保留时间依赖性又符合因果机制的金融合成数据，从而显著提升了反事实概率估计的准确性并支持更可靠的金融压力测试与情景分析。
该论文将因果博弈扩展至序贯场景并证明其计算复杂性，但实证结果表明，在理性最佳响应假设下，序贯因果均衡并未带来比经典斯塔克尔伯格均衡更高的社会福利，从而揭示了基于理性选择的标准博弈框架与因果推理优势之间的根本性不兼容。
本文针对现实世界中普遍存在但研究较少的异质符号网络，提出了能够同时建模强平衡与弱平衡的符号块模型，并证明了其可识别性、开发了高效优化算法，且从概率估计和社区检测两个维度确立了模型的渐近一致性。
本文提出了一种基于最大风险最小化（MaxRM）原则的随机森林变体，通过设计高效算法并证明统计一致性，实现了在均方误差、负奖励和遗憾三种风险度量下的跨环境泛化，并针对遗憾风险给出了新分布下的泛化保证。
本文提出了一种基于控制变量法的迁移学习新框架，用于解决隐私受限场景下的标量 - 函数回归问题，首次建立了其与偏移量迁移学习的理论联系，并推导了考虑离散观测平滑误差的收敛速率。
该论文提出了一种基于 e-过程的统一框架，用于实现具有任意时刻有效性保证的在线大语言模型水印检测，并通过构建经验自适应 e-过程提升了检测功效。
该论文证明了在固定线性模型基下，A 最优性准则可分解为逆 D 尺度项与仅依赖特征值分散度的无量纲球形度因子，从而揭示了 D 最优设计在系数方差、别名及预测方差行为上存在差异的根本原因，并提出了基于该视角的轻量级筛选后处理方法及球形度剖面概念。
本文提出并证明了“认识论支持点滤波器”（ESPF）是唯一的最优证据筛选器，它通过在传播阶段应用最大熵原则、在更新阶段应用证伪原则，实现了最小化最坏情况认识论无知，并在高斯极限下退化为卡尔曼滤波。