Efficient Approximation to Analytic and functions by Height-Augmented ReLU Networks
该论文提出了一种基于高度增强 ReLU 的三维网络架构，通过高效表示锯齿函数，首次实现了针对解析函数和一般 函数的非渐近高阶定量逼近，显著提升了逼近效率并优化了网络参数设计。
📊 Category
stat
260 篇论文
Conformal e-prediction in the presence of confounding
该论文将共形 e-预测方法扩展至存在观测混淆的情形，并分别探讨了数据独立同分布及允许观测间存在依赖性的两种情况。
Deep regression learning from dependent observations with minimum error entropy principle
本文提出了一种基于最小误差熵原则的深度学习非参数回归方法，通过建立非惩罚和稀疏惩罚深度神经网络在强混合观测数据下的期望超额风险上界，证明了该方法在满足高斯误差假设时能达到与下界匹配的极小极大最优收敛速率。
Trustworthy predictive distributions for rare events via diagnostic transport maps
本文提出了一种名为诊断传输映射的方法，通过构建协变量依赖的概率变换来校正基础预测模型在稀有事件中的分布偏差，从而在提供实时局部诊断的同时生成更可信的预测分布，并在热带气旋强度预测中显著优于国家飓风中心的业务预报。
Statistical Methodology Groups in the Pharmaceutical Industry
本文探讨了制药行业中专门统计方法组的设立、职能与价值，并分析了为确保其通过创新方法提升药物研发效率与成功率而所需的关键组织考量与成功要素。
Continuous-time modeling and bootstrap for Schnieper's reserving
本文通过构建由泊松测度和布朗运动驱动的连续时间随机模型，重新审视了 Schnieper 的索赔准备金分解框架，并提出了一种能够自然处理非对称性、非负性及内在边界约束的自助法，以估算索赔准备金的完整预测分布。
A Statistically Reliable Optimization Framework for Bandit Experiments in Scientific Discovery
该论文提出了一种统计可靠的优化框架，通过修正假设检验方法以解决自适应采样下的统计有效性问题，并引入统一的实验评估目标函数，使科学发现中的带实验能够在保持统计效力的同时，根据实验扩展成本在累积奖励与统计功效之间实现最优平衡。
RIE-Greedy: Regularization-Induced Exploration for Contextual Bandits
该论文提出了一种名为 RIE-Greedy 的新方法，通过利用基于交叉验证的模型正则化过程中固有的随机性来诱导类汤普森采样的探索行为，从而在无需复杂假设的情况下，使纯贪婪策略在复杂奖励模型和大规模业务场景中也能实现高效探索。
Outrigger local polynomial regression
本文提出了一种名为“外伸”（outrigger）的局部多项式估计量，通过利用条件得分函数估计和扩展数据窗口，在无需独立性或对称性等结构假设的情况下，实现了对不同条件误差分布的自适应，并证明了其在 Hölder 类上的极小极大最优性。
Worst-case low-rank approximations
该论文提出了一种名为 wcPCA 的统一框架，用于解决多域数据分布偏移下的主成分分析最坏情况优化问题，并证明了其在源域及目标域凸包内的最优性、一致性以及向矩阵补全问题的扩展能力，实验表明该方法在显著改善最坏情况性能的同时仅轻微牺牲了平均性能。
Finite-Sample Decision Instability in Threshold-Based Process Capability Approval
该研究揭示了基于样本估计的过程能力指数（如 ）在接近固定判定阈值（如 1.33）时存在固有的决策不稳定性，指出即使过程真实能力达标，小样本下的随机性也会导致约 50% 的误判风险，并通过模拟与实证数据量化了这种边界效应带来的发布风险。
Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders
该论文提出了一种基于半参数高斯 copula 模型的混合类型多变量功能主成分分析（FPCA）方法，用于处理移动健康数据中连续、截断、有序及二值等多尺度时间序列，并通过美国国家精神卫生研究所的一项研究验证了其在识别情绪障碍亚型共享时间模式及构建数字生物标志物方面的有效性。
Prediction-Oriented Transfer Learning for Survival Analysis
本文提出了一种新颖的预测导向迁移学习框架，通过从源研究转移预测知识而非分布参数，利用灵活的半参数变换模型和 EM 算法，在无需访问源个体数据且放宽参数相似性假设的情况下，显著提升了目标研究（特别是事件数有限时）的生存分析预测性能。
Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk
该论文提出了一种名为动态贝叶斯回归分位数合成（DRQS）的新方法，通过引入非对称拉普拉斯分布和时变潜在因子结构（FDRQS），在贝叶斯预测合成框架下有效整合多模型的分位数信息，从而显著提升了包括极端经济压力时期在内的宏观变量分位数预测精度。
Graph Generation Methods under Partial Information
该论文提出了一种基于必要充分区间条件的序贯方法，用于生成具有指定度序列的二分、有向及无向图，并据此开发了适用于不同规模问题的枚举与采样算法，显著提升了在大规模实例下的可扩展性。
Robust Joint Modeling for Data with Continuous and Binary Responses
本文提出了一种基于密度幂散度损失函数与正则化的鲁棒联合建模框架，用于处理含连续和二元响应的数据，该框架通过高效算法在降维的同时有效抑制异常值影响，并在模拟与半导体制造案例中展现出优于现有方法的预测精度与稳健性。
Simultaneous estimation of multiple discrete unimodal distributions under stochastic order constraints
该论文针对真实平台搜索行为分析场景，提出了一种在随机序约束下估计多个离散单峰分布的混合整数凸二次优化方法，实验表明该方法在小样本情况下能显著降低分布估计误差，而在数据充足时表现与现有方法相当。
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。
Decomposing Observational Multiplicity in Decision Trees: Leaf and Structural Regret
本文针对决策树模型中因标签随机性导致的观测多重性，提出了叶节点遗憾与结构遗憾两种互补度量并建立理论分解框架，实验表明结构遗憾是多重性的主要驱动因素，且利用该度量进行选择性预测可显著提升模型安全性。
Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts
本文通过揭示平衡重复复制（BRR）与配对刀切法（Jackknife）方差估计量中独立层间对比分量的性质，建立了一个统一框架，推导了方差估计量的方差并提出了基于 Welch-Satterthwaite 近似的实用自由度计算公式，从而为构建总体总量的置信区间提供了理论依据。