2026-10-16 每日资讯¶
- 高相关论文 4 篇 · 中相关 23 篇 · 其他 55 篇 · 会议/Seminar 事件 0 条
⭐ 高相关论文(按主题分组)¶
因果推断 (causal_inference, 3 篇)¶
1. 2610.19350 — On Local Inference for Functionals of Ill-Posed Inverse Problems¶
- 作者: Ellen Graham, Andrea Rotnitzky
- 机构: University of Pennsylvania · University of Washington
- 分类: math.ST · stat.ME · stat.TH
- 相关性 9/10 · novelty:
new_theory - 摘要: 本文研究非参数工具变量、proximal causal inference 和 shadow-variable 模型中连续线性泛函的推断问题,目标是估计 ill-posed inverse problem 的解的泛函。作者证明在仅施加最小正则性条件时,当两个逆问题均 ill-posed,目标泛函在 Hellinger 距离下不连续,导致局部均匀推断不可行。若对最小范数解施加一致有界条件,可恢复 Hellinger 连续性,但不足以保证稳定的 root-n 推断。进一步,若两个逆问题均 ill-posed 且一致有界解在 P0 处非唯一,则目标泛函非 pathwise differentiable,导致渐近线性估计量在局部备择下存在非消失的 root-n 偏差,Wald 置信区间渐近欠覆盖。若解唯一或满足 beta-source condition,则 pathwise differentiability 恢复。文章将不同正则性条件与 IV 模型中的 very weak、weak 和 strong identification 联系起来。
- 关键技术:
ill-posed inverse problems,Hellinger continuity,pathwise differentiability,local uniform inference,source conditions,nonparametric instrumental variables - 为什么对您有用: 直接命中 primary interest 中的 proximal causal inference 和 semiparametric efficiency theory:本文给出 proximal CI 中目标泛函 pathwise differentiability 失效的精确条件,直接影响您熟悉的 semiparametric theory 和 debiased ML 的适用边界。可用您 very_familiar 的 minimax bounds 和 nonparametric statistics 工具来验证其连续性/可微性结论在具体 proximal 设定下的紧性,属于立即可做的理论跟进。
2. 2610.19747 — Generalized Odds for Ordinal Outcomes: A Causal Inference Framework Adjusting for Covariates¶
- 作者: Runnian Huang, Dandan Shi, Lan Liu, Yunjian Yin
- 机构: Chinese Institute for Brain Research · China Academy of Chinese Medical Sciences · Capital Medical University · Xuan Wu Hospital of the Capital Medical University
- 分类: stat.ME
- 相关性 8/10 · novelty:
new_method - 摘要: 本文针对有序结局变量,在无需比例优势假设的广义优势比(Gen Odds)框架下,提出了个体层面的因果估计量 Causal Gen Odds,其定义为潜在结果联合分布的函数,而非传统的总体层面对比。在给定基线协变量条件下,假设潜在结果条件独立,该估计量可被识别。作者采用非比例累积 logistic 回归构建基于模型的估计器,并引入优势比形式的敏感性参数来刻画对条件独立假设的偏离。模拟研究表明,在条件独立下估计近似无偏且覆盖率约为 95.5%,但随残差依赖增强偏差和覆盖不足加剧;纳入真实依赖参数的敏感性分析估计器偏差低于 0.01,覆盖率在 93.7% 至 96.1% 之间。在 ACCORD 研究实例中,Causal Gen Odds 估计为 0.909(95% CI: 0.880-0.940),且在敏感性范围内保持稳定。该框架为有序结局的因果推断提供了个体层面估计量,并显式评估了对潜在结果依赖假设的稳健性,对您关注的因果推断中敏感性分析和识别理论有直接参考价值。
- 关键技术:
generalized odds,potential outcomes,nonproportional cumulative logistic regression,sensitivity analysis,conditional independence - 为什么对您有用: 本文直接关联您的主要兴趣——因果推断中的识别与敏感性分析,具体涉及潜在结果框架下的个体层面估计量。您可以用 very_familiar 的估计理论(如 M-估计)来审视其基于模型的估计器的渐近性质,或用 moderately_familiar 的识别理论来探讨条件独立假设的可检验性。中期可做:若想推广到更复杂的依赖结构,需在敏感性分析方法的深度上加强。
3. 2610.19075 — Randomization Inference for Dynamic Causal Effects in Short Panels with Autoregressive Instruments¶
- 作者: Pedro Picchetti
- 分类: econ.EM
- 相关性 8/10 · novelty:
new_method - 摘要: 本文研究短面板(多个体、少时期)中动态因果效应的随机化推断,设定处理内生且存在一个工具变量,该工具仅在给定一阶自回归分配机制(未知持续性)的 innovations 下满足随机分配。持续性作为 nuisance 参数具有双重角色:它决定工具化局部投影估计量所估计的异质性因果效应的加权平均,并控制由工具构造的任何统计量的随机化分布。作者提出无需估计该参数的检验:对每个候选值恢复 innovations,在保持其联合分布不变的群下重新随机化并形成随机化 p 值,最终报告候选值集合或精确置信集上的上确界。在滞后特定效应的路径的 sharp null 下,检验在有限样本中对每个持续性(包括单位根)的水平至多为 α,且上确界在有限点上达到最大值;在异质性加权估计量的 weak null 下,学生化版本具有一致渐近有效性。该方法避免了估计 nuisance 参数,提供了有限样本精确的随机化推断,对动态因果效应的敏感性分析有潜在价值。
- 关键技术:
randomization inference,local projections,autoregressive instruments,nuisance parameter,sharp null,weak null,studentization - 为什么对您有用: 本文直接关联因果推断中的工具变量与动态因果效应识别,且其随机化推断方法为有限样本精确检验提供了新思路;可用您非常熟悉的估计理论(如局部投影估计量的渐近性质)来验证其有限样本性质,或结合您的中等熟悉工具(如识别理论)探讨持续性 nuisance 参数在更复杂设定下的处理。中期可做:需在 semiparametric theory 上进一步积累以处理更一般的异质性效应。
非参数 / 半参数 (nonparam_semipara, 1 篇)¶
1. 2610.19208 — Pointwise minimax lower bounds under a multi-index constraint: the price of an unknown orientation¶
- 作者: Nora Serdyukova
- 机构: University of Concepción
- 分类: math.ST · stat.TH
- 相关性 8/10 · novelty:
new_theory - 摘要: 本文研究随机设计、非高斯噪声下的非参数回归,其中回归函数具有多指标形式 F(x)=f(Θx),链接函数 f 属于各向异性 Hölder 类,Θ 是 m≤d 个正交行构成的未知矩阵。目标是估计 F 在固定点处的值,作者证明了极小极大风险的下界为 L^{1/(2γ+1)}(n^{-1} ln n)^{γ/(2γ+1)},其中 γ 是链接函数光滑度指数的调和平均除以 m。对于 m<d,该结果将高斯白噪声情形推广到回归问题;主要新情形是 m=d,此时没有降维,但只要链接函数各向异性且其轴方向未知,对数因子仍然出现。相反,当链接函数各向同性且光滑度指数至多 1 时,函数类在常数意义下旋转不变,达到经典无对数因子的速率。因此,对数损失源于函数最不光滑方向的方向未知。
- 关键技术:
minimax lower bounds,multi-index regression,anisotropic Hölder class,unknown orientation,pointwise estimation - 为什么对您有用: 该论文直接关联您的非参数与半参数理论兴趣,特别是极小极大界和未知方向带来的自适应困难。您可以用非常熟悉的极小极大下界技术(如 Fano 方法、Le Cam 方法)来验证其下界是否紧,并探索在您熟悉的因果推断或高维设定中类似的对数因子是否出现。中期可做:若想推广到更一般的链接函数或考虑估计 Θ 本身,可能需要加强在非参数估计方面的工具。
📌 中相关论文(按主题分组)¶
因果推断 (causal_inference, 2 篇)¶
1. 2610.20045 — Testing for Peer Effects in Heteroskedastic Fixed-Effects Panels¶
- 作者: Leheng Cai, Weijia Li, Xu Guo
- 机构: Tsinghua University · Beijing Normal University
- 分类: stat.ME
- 相关性 7/10 · novelty:
new_method - 摘要: 本文研究线性面板模型中个体与时间固定效应下的同伴效应检验问题,其中交互网络未指定。作者提出基于残差化同伴协变量的 Gram 矩阵的二次型检验。关键难点在于固定效应去除和干扰项估计破坏了传统 leave-diagonal-out 二次型在条件异方差下的中心化性质;为此引入杠杆调整恢复精确条件中心化,并结合基于残差的方差估计。所得 studentized 统计量在面板两个维度发散时渐近标准正态,且不要求两者相对增长率;在额外条件下证明对备择假设的一致性。理论进一步扩展到协变量随时间弱依赖的情形,无需额外的长期方差估计。蒙特卡洛实验评估了有限样本下的水平和功效,并展示了相对于现有基准检验的优越性;应用于州税收竞争和 OECD 国家增长溢出效应,说明在不指定交互网络时检验同伴效应的实用性。
- 关键技术:
quadratic-form test,Gram matrix,leverage adjustment,conditional centering,residual-based variance estimator,fixed-effects panel model - 为什么对您有用: 本文属于因果推断中同伴效应检验的前沿方法,直接关联您对因果推断(特别是网络交互和面板数据)的兴趣。您可以用 very_familiar 的 high-dimensional asymptotics 和 minimax 工具来审视其检验的渐近有效性,或考虑用 moderately_familiar 的 semiparametric theory 来扩展其效率分析。立即可做:基于其杠杆调整思想,结合您熟悉的 U-statistic 投影技术,探索更一般的二次型检验。
2. 2610.18937 — Linear regression with probabilistic networks for network-linked data¶
- 作者: Jingnan Zhang, Shiwen Ye, Danyang Huang
- 机构: Renmin University of China · Chinese University of Hong Kong
- 分类: stat.ME · stat.ML
- 相关性 5/10 · novelty:
new_method - 摘要: 本文针对网络关联数据(network-linked data)提出一种概率回归框架,其中节点同时带有协变量、响应以及观测到的网络结构。模型通过归一化连接概率加权同伴响应,并引入潜在位置刻画网络凝聚力,从而同时捕捉响应依赖与网络结构相似性,且显式考虑网络形成的随机性。估计采用两步似然法:第一步估计网络结构,第二步拟合响应模型。理论方面,作者在稀疏网络和异质节点效应下证明了网络恢复的保证,并在适当条件下证明了回归估计量的相合性和联合渐近正态性;同时阐明了何时网络估计能保持空间自回归模型的经典收敛速率。模拟研究验证了估计性能和推断精度,外交网络数据分析展示了实际应用。对您而言,该文将网络形成模型与回归推断结合,其两步估计和渐近理论可视为网络因果推断中处理干扰(interference)的一种建模思路,与您因果推断方向中的纵向/网络设定有潜在联系。
- 关键技术:
two-step likelihood estimation,latent position model,network recovery,joint asymptotic normality,spatial autoregressive model - 为什么对您有用: 该文属于因果推断中网络干扰(interference)设定的建模与推断问题,直接关联您的 primary interest 中的 causal inference 方向。您可用 very_familiar 的 estimation theory in causal inference 审视其两步估计的有限样本性质,或思考其网络恢复误差对后续回归推断的影响(类似 measurement error 问题)。中期可做:若想深入,需在 moderately_familiar 的 identification theory 上补充网络形成模型的可识别性分析。
非参数 / 半参数 (nonparam_semipara, 3 篇)¶
1. 2610.19353 — Longitudinal Brain Aging in Covariance Space: Temporally Calibrated Bayesian Inference for Adaptive Covariance Operators¶
- 作者: Montserrat Fuentes, Yi Zhao
- 机构: Indiana University Health
- 分类: stat.ME · stat.AP · stat.CO
- 相关性 5/10 · novelty:
new_method - 摘要: 本文提出一个贝叶斯纵向协方差算子框架,用于建模个体内脑功能连接随年龄的变化。每个访问的协方差被视为潜在正定状态,并通过重复静息态fMRI运行校准运行级信息,以处理时间依赖和重复测量变异性。方法采用自适应切空间表示学习纵向变化的低维结构,避免依赖合并的协方差变异,并利用精确的Fr\'echet导数将拟合轨迹转换回协方差尺度。在Dallas Lifespan Brain Study中,发现个体内协方差老化与横断面年龄梯度在成年早期和中期显著不同,差异在晚年减小,且重组在中年最强,纵向信号集中在少数协调方向。该框架为纵向协方差算子的贝叶斯推断提供了新思路,对您在半参数与非参数理论中的函数型数据建模可能有参考价值。
- 关键技术:
Bayesian inference,covariance operators,tangent space representation,Fr\'echet derivatives,longitudinal modeling - 为什么对您有用: 本文涉及半参数/非参数函数型数据建模,与您的非参数与半参数理论兴趣相关;其贝叶斯协方差算子推断方法可借鉴到您熟悉的纵向因果推断或高维协方差估计中。技术上,您可用非常熟悉的非参数统计和软件工程技能复现其贝叶斯计算流程,属于立即可做的入门级阅读。
2. 2610.19643 — Model-Induced Hazard Geometry and Functional Representations in Survival Analysis¶
- 作者: Xijia Liu
- 机构: Umeå University
- 分类: stat.ME · math.ST · stat.TH
- 相关性 5/10 · novelty:
new_theory - 摘要: 本文研究生存分析中个体风险轨迹的有限维表示,目标是通过可解释的 hazard 泛函(如峰值时间、区间累积风险、风险持续度)来总结个体化生存预测。核心问题是这些表示的丰富性受底层生存模型支持的 hazard 几何的限制。作者通过模型诱导的切空间和函数秩形式化这一约束,推导出模型支持的变化在所选表示中保留和丢失方向的精确分解,并引入模型相对局部完备性概念。进一步区分了内在模型容量与协变量实际激活的变化。基于此,提出 AFT 时间尺度的结构化扩展,通过对数时间尺度上的正仿射变形实现幂扭曲机制,结合 log-logistic 参考风险,得到简约的似然工作模型,其中峰值时间和峰值高度在单峰区域内提供完整坐标。文章还建立了 hazard 泛函的 plug-in 恢复和渐近推断,并通过模拟和肺癌数据应用说明模型诱导限制如何传播到 hazard 泛函表示。对您可能有用:该文将半参数效率理论(切空间、函数秩)与生存分析应用结合,可联系您的 semiparametric theory 和 efficiency theory 兴趣,特别是模型诱导几何对估计量的影响。
- 关键技术:
tangent space,functional rank,local completeness,AFT time scaling,power-warp mechanism,plug-in estimation - 为什么对您有用: 本文直接涉及半参数模型中的切空间和函数秩概念,与您的 semiparametric theory 和 efficiency theory 兴趣高度相关。您可以用 very_familiar 的 nonparametric statistics 和 minimax bounds 工具来审视其模型诱导几何的分解是否最优,或探索其 power-warp 机制在因果推断中时间-事件结局的应用。中期可做:若想深入其渐近推断部分,需在 moderately_familiar 的 semiparametric theory 上加强。
3. 2610.19874 — Principal Component Analysis for Zero-Inflated Probability Measures via Lorenz Curves¶
- 作者: Giacomo Aletti, Enea G. Bongiorno
- 机构: University of Milan · Università degli Studi del Piemonte Orientale “Amedeo Avogadro”
- 分类: stat.ME
- 相关性 4/10 · novelty:
new_method - 摘要: 本文针对具有结构零点的非负随机变量所对应的概率测度,提出了一种基于Lorenz曲线的主成分分析框架。通过一个合适的平面透视变换,建立了从Lorenz曲线到Hilbert空间函数数据的双射嵌入,使得标准函数型主成分分析(FPCA)可以直接应用。由于嵌入是微分同胚的,估计的特征函数、特征值及变异模态的收敛性结果可以从嵌入空间转移回原始Lorenz曲线空间。作者同时考虑了估计问题的双重随机性:一是Lorenz曲线过程本身的随机性,二是从样本数据估计Lorenz曲线的随机性,并证明了嵌入空间和原始空间中特征估计的几乎必然及L^2(ℙ)一致性,以及Karhunen-Loève重建的一致性。最后,该方法在全球出口流数据上进行了实证展示,并与朴素FPCA方法进行了比较。
- 关键技术:
Lorenz curve,Functional Principal Component Analysis (FPCA),Diffeomorphic embedding,Karhunen-Loève expansion,Consistency analysis - 为什么对您有用: 本文属于非参数/半参数方法在函数型数据上的应用,与您的非参数与半参数理论兴趣相关;其处理结构零点的思路可能对因果推断中的零膨胀数据(如流行病学中的计数数据)有借鉴意义。从技术武器库看,您对非参数统计和函数型数据分析的熟悉程度足以理解本文,但核心的微分同胚嵌入和双重随机性分析并非您最常用的工具,属于中期可做的方向——需要先熟悉Lorenz曲线和FPCA的收敛理论。
数理统计 / 假设检验 (hypothesis_testing, 6 篇)¶
1. 2610.20447 — Testing Conditional Distribution Equality Using Generative Models¶
- 作者: Zekai Jin, Yi Zhang, Yun Yang, Xiaofeng Shao
- 机构: University of Maryland, College Park · Washington University in St. Louis · Data Management (Italy)
- 分类: stat.ME · stat.ML
- 相关性 7/10 · novelty:
new_method - 摘要: 本文研究条件分布相等性检验问题,目标是在给定高维协变量时检验两个条件分布是否相同,这在因果推断、模型诊断和迁移学习中都有应用。现有方法在高维条件下往往功效不足,作者提出利用生成模型(如条件GAN或扩散模型)生成合成样本来增强检验功效。方法采用样本分割和studentization方案来控制生成模型估计误差,检验统计量在原假设下渐近正态,并建立了对局部备择假设的局部功效理论。理论要求仅需学习到的条件分布具有一致性,因此适用于广泛的生成模型类别。实证结果显示,在高维设置下该方法相比代表性的基于核的条件和联合两样本检验,能更准确地控制第一类错误并具有更强的功效。对您而言,该工作将生成模型与经典假设检验结合,其渐近正态性和局部功效分析可能对您在高维假设检验方向的研究有参考价值。
- 关键技术:
generative models,sample splitting,studentization,asymptotic normality,contiguous alternatives,conditional distribution testing - 为什么对您有用: 该论文直接涉及高维条件下的假设检验,属于您的主要兴趣方向。您可以用您非常熟悉的非参数统计和极小极大界工具来审视其功效分析,例如检查其局部功效是否达到最优。中期可做:若想深入生成模型的估计误差影响,可能需要加强在高维统计方面的知识。
2. hexagon:2610.00230 — A Positive Dispersion Optimum for the Rounded Sample Mean: Sufficiency and Necessity of Finite Variance¶
- 作者: Mark R. Diamond, Angela O'Brien-Malone
- 期刊/来源: Hexagon · 人机混合 · 人类理解:全部 · 工具: Claude Opus 4 / Gemini / ChatGPT 4o / Kimi
- 分类: math.ST
- 相关性 7/10 · novelty:
new_theory - 摘要: 本文研究在最近格点取整(nearest-lattice rounding)观测下,用 n 次读数均值估计连续量的均方误差(MSE)问题。设定中,真实值在取整格内的位置被平均掉,MSE 仅依赖于取整前标准差 s(以格宽为单位)这一无量纲参数。核心结论是:对任意中心化、有限非零方差的取整前分布和任意样本量 n>1,存在严格正的 s 使得 MSE 小于 s=0 时的取整下限 1/12,且 n>1、有限方差、非退化三个条件各自必要,从而精确刻画了最优分散度的存在性。机制在于取整误差自相关函数在零滞后处有“角点”(corner),使得少量分散在 s 的一阶项上缓解取整偏差,而方差贡献仅以二阶项增长。作者给出基于角点的简短证明,并推导谱形式准则,对四种分布(高斯、拉普拉斯、均匀、两点)计算最优 s:高斯情形唯一且满足 Jacobi-theta 方程,拉普拉斯情形有双曲闭式,均匀和两点分布有显式解,其中两点分布在 n≥4 时目标函数出现多个局部阱。该结果对您的高维统计与随机矩阵理论兴趣中关于离散化误差的精细刻画有参考价值,但方法学上属于特定估计问题的理论分析,与您的主要研究方向关联较弱。
- 关键技术:
rounding error autocorrelation,corner behavior at zero lag,Jacobi theta equation,spectral form of MSE criterion,finite variance characterization - 为什么对您有用: 本文属于数学统计中的估计理论,与您的主要兴趣(假设检验、高维统计)有间接关联,但并非核心方向。它提供了一个关于离散化误差的精细理论分析,可能对您在高维统计中处理量化观测或随机矩阵理论中的离散化效应有启发。从武器库看,您熟悉的非参数统计和极小极大界工具足以理解其证明,但该问题本身与您的技术栈(如 U-统计量、张量网络)无直接交集,因此属于中期可做的方向,需先熟悉取整误差分析的具体技巧。
3. 2610.19351 — Subdata Selection for Measurement-Constrained Linear Regression under Model Misspecification¶
- 作者: Yundi Kong, Min Yang, Ping-Shou Zhong
- 机构: University of Illinois Chicago
- 分类: stat.ME · stat.ML
- 相关性 6/10 · novelty:
new_method - 摘要: 本文研究测量受限的线性回归子数据选择问题,即协变量可大量获得但响应变量测量成本高昂的场景。目标是在模型可能误设的情况下,选择最优的响应测量子集以最小化预测期望损失。作者提出 Expected Loss Optimal Selection (ELOS) 方法,推导出仅依赖协变量的 A-optimality 型准则,无需在选择阶段观测响应。ELOS 聚焦预测风险而非模型最优性,因此在误设下仍保持良定义和稳健性。模拟和真实数据表明 ELOS 在多种场景下预测性能优于现有方法。该方法将子采样问题从计算效率转向统计效率,并显式处理模型误设,对测量受限的因果推断和流行病学研究有参考价值。
- 关键技术:
A-optimality,expected loss,subdata selection,model misspecification,linear regression - 为什么对您有用: 本文属于统计计算与设计领域,与您的 statistical computing 兴趣相关,且其处理模型误设的思路可迁移到因果推断中的子样本选择问题。技术武器库中的软件开发和估计理论可用于复现和扩展 ELOS 方法。中期可做:需在 moderately_familiar 的 identification theory 上加强,以将 ELOS 扩展到因果参数估计。
4. 2610.20411 — Compound p-values for competition-based testing¶
- 作者: Junu Lee, Rina Foygel Barber, Richard J. Samworth, Zhimei Ren
- 机构: University of Pennsylvania · University of Chicago · University of Cambridge
- 分类: stat.ME
- 相关性 5/10 · novelty:
new_method - 摘要: 本文研究基于竞争的假设检验框架,其中每个检验单元与一个或多个阴性对照单元进行竞争,但竞争结构可能大小不一、形式复杂。作者提出基于复合p值(compound p-values)的新方法,这类p值仅在聚合意义上满足超均匀性,从而允许更灵活的竞争结构。方法上,将复合p值分别与Bonferroni和Benjamini-Hochberg过程结合,前者提供精确的族错误率控制,后者可能引入FDR膨胀因子,作者推导了多种设定下该膨胀因子的上界。通过大量模拟和真实数据应用(包括虚拟空间转录组和CRISPR筛选数据)展示了方法的有效性。该工作为竞争性检验(如knockoff filter和target-decoy procedure)提供了更一般的理论框架,对多重检验和FDR控制领域有方法论贡献。
- 关键技术:
compound p-values,knockoff filter,target-decoy procedure,Bonferroni correction,Benjamini-Hochberg procedure,FDR inflation factor - 为什么对您有用: 本文属于假设检验与多重比较领域,直接关联您对hypothesis testing的兴趣,特别是FDR控制方法。您熟悉的非参数统计和极小极大理论可用于分析复合p值在更复杂竞争结构下的最优性,而您对因果推断中knockoff方法的了解有助于理解其应用背景。中期可做:可尝试用您掌握的empirical process工具推导更紧的FDR膨胀因子上界,或探索复合p值在proximal causal inference中的应用。
5. 2610.19207 — Finite-sample certification of coverage regret for budgeted document selection under adaptive stratified auditing¶
- 作者: Nora Serdyukova
- 机构: University of Concepción
- 分类: math.ST · cs.AI · stat.TH
- 相关性 4/10 · novelty:
new_method - 摘要: 本文研究预算约束下的文档片段选择问题(如RAG知识库构建),目标是在查询分布未知时,对所选集合相对于最优可行集合的期望覆盖损失(coverage regret)构造有限样本、分布自由的置信上界。关键设定是两阶段流程:先导阶段可基于数据选择文档集、筛选竞争者、构建比较网络并学习标注策略,随后独立审计阶段在可观测分层内以恒定概率获取相关性标签。主要结果是针对所有保留的覆盖对比的联合置信界,该界通过经验Bernstein方差校准或无需校准的单阶段构造实现可观测性,并考虑了估计的分层比例。对于最大型覆盖,论文证明了冗余片段交换的方差收缩,给出了多尺度半径优于直接并集界的条件,并指出这种冗余无法仅从样本中认证。模拟研究验证了有效性并量化了方差校准和认证冗余的收益。对您而言,其分布自由、有限样本的联合推断框架与您在高维假设检验和U统计量方面的兴趣有潜在联系,尤其是方差收缩和多重比较校正部分。
- 关键技术:
empirical-Bernstein variance calibration,distribution-free confidence bounds,adaptive stratified auditing,union bound,variance contraction,simulation study - 为什么对您有用: 本文属于假设检验与有限样本推断方向,与您的主要兴趣(数学统计、假设检验)直接相关。其分布自由、有限样本的联合置信界构造,以及方差收缩技术,可视为一种非参数推断问题,您可以用您熟悉的非参数统计和U统计量工具(如投影、集中不等式)来分析其界的紧性。具体而言,您可以用higher-order U-statistics的视角来审视其方差收缩论证,或探索其与多重比较校正的联系。就可行性而言,该问题与您的武器库匹配度较高,属于立即可做的范畴,因为您熟悉非参数推断和集中不等式,可以快速评估其理论贡献。
6. 2610.19421 — Softplus Affine(1, 1) Processes: Enlarged Stationarity Region, Stationary Unit Roots, and Inference¶
- 作者: Yang Lu, Fukang Zhu
- 机构: Concordia University · Jilin University
- 分类: math.ST · stat.TH
- 相关性 4/10 · novelty:
new_theory - 摘要: 本文研究 softplus affine(1,1) 模型,该模型在保持条件均值非负的同时允许系数为负。在 Poisson、负二项、gamma 等条件分布下,作者证明了当系数和小于 1 时存在具有任意正阶矩的平稳解,严格扩大了已知的平稳区域。在单位根情形(系数和等于 1),在可逆性条件下,平稳解存在当且仅当截距为负;此时条件均值呈幂律尾部,观测可呈现长记忆。对于固定的 softplus 尺度,Poisson 拟极大似然估计在单位根处仍以通常的 sqrt(n) 速率一致且渐近正态,且系数和无需约束;即使观测具有无限方差或长记忆,Wald 推断仍有效。模拟和两个应用检验了有限样本表现及对 softplus 尺度的敏感性。
- 关键技术:
softplus affine models,quasi-maximum likelihood estimation,stationary unit roots,power-law tails,long memory - 为什么对您有用: 本文属于时间序列与假设检验的交叉,涉及单位根情形下的推断,与您对 hypothesis testing 的兴趣相关。您可考虑用您熟悉的非参数或半参数理论来审视其拟似然推断的稳健性,或探索 softplus 尺度选择对推断的影响。
统计计算 / 算法 (stat_computing, 1 篇)¶
1. hexagon:2610.00272 — Diameter-Free Pointwise Gaussian KDE in Near-Additive Query Time¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 期刊/来源: Hexagon · 无人类作者署名 · 人类理解:部分 · 工具: Bolzano
- 分类: cs.DS · cs.NA · math.PR
- 相关性 7/10 · novelty:
new_method - 摘要: 本文研究高维空间中高斯核密度估计(KDE)的查询复杂度问题,目标是在不依赖数据直径的前提下实现近线性查询时间。作者针对 Wagner 提出的开放问题,给出了一个随机化数据结构,对任意固定查询点,以概率 1-δ 达到加性误差 ε,查询时间为 O((d+ε^{-2}) log(d+1) log(2/δ)),与数据点数和直径无关。核心技术创新在于对 Fastfood 型结构化傅里叶块导出了一个关于位移范数一致成立的方差界,从而保证了随机特征的近似质量。该结果将 KDE 查询复杂度从依赖直径的经典界改进为近加性形式,为高维非参数密度估计的计算效率提供了新视角。对您而言,该工作与统计计算和算法设计兴趣直接相关,其方差界技术可能对高维统计中的随机特征方法有启发。
- 关键技术:
Gaussian kernel density estimation,Fastfood random features,structured Fourier transform,variance bound,randomized data structures - 为什么对您有用: 该论文属于统计计算方向,直接关联您对算法与数值方法的兴趣。其核心的 Fastfood 型随机特征方差界技术,可迁移至您熟悉的高维统计与核方法分析中,例如用于改进核岭回归或高斯过程的计算效率。由于核心工具(随机特征、方差分析)在您的武器库中属于熟悉范畴,可考虑中期探索将其方差界推广到其他核函数或非均匀采样场景。
天体统计 (astrostats, 5 篇)¶
1. 2610.19000 — jax-SNANA: A GPU-accelerated Supernova Framework for the SBI Era¶
- 作者: Matthew Grayling
- 机构: University of Cambridge
- 分类: astro-ph.IM · astro-ph.CO
- 相关性 6/10 · novelty:
application - 摘要: 本文介绍 jax-SNANA,一个基于 JAX 的 GPU 加速超新星分析框架,用于瞬变模拟、光变曲线拟合、超新星标准化和宇宙学推断。在 NVIDIA A100 上以单精度运行,每秒可模拟超过 10 万颗 LSST 观测的超新星,JIT 编译后每秒拟合 5000 条光变曲线,比现有工具快两个数量级,满足 LSST 规模样本的需求。框架支持 SALT、BayeSN 等 SED 模型,以及 redback-jax 物理模型,支持光度和光谱红移的光变曲线拟合。通过与 SNANA 的对比验证,两者在多种任务上高度一致。代码模块化,可扩展新 SED 模板和分类算法,并专为模拟推断(SBI)设计,支持在训练循环中生成编译的实时模拟。此外,它支持模拟超新星-宿主星系关系和多个子群体(如年轻和年老前身星)。作为应用型工具论文,方法学 novelty 有限,但对超新星宇宙学的数据生成和推断流程有显著实用价值。
- 关键技术:
JAX,GPU acceleration,simulation-based inference,light curve fitting,SED models - 为什么对您有用: 本文属于 astrostatistics 的 gateway reading:它清晰展示了超新星数据分析的模拟和拟合流程,适合作为入门读物了解该领域的数据结构(光变曲线、红移、选择效应)和计算需求。武器库中的软件开发和统计计算技能足以理解其实现,但 SBI 的具体方法(如神经后验估计)不在当前武器库中,因此暂不可直接开展后续研究,但值得花时间读全文以拓宽视野。
2. 2610.19760 — Identifying Planetary Nebulae Candidates from IPHAS and VPHAS+ Surveys via YOLO Deep Learning Models¶
- 作者: Titouan S\'erandour, Anne-Laure M\'ealier, Bruno Colicchio, Dominique Daniel, Philippe Gilberton, Philippe Oros, Thomas Boch, Djaffar Ould Abdeslam
- 机构: Université de Haute-Alsace · Centrale Méditerranée · Aix-Marseille Université · Université de Strasbourg
- 分类: astro-ph.IM · astro-ph.GA
- 相关性 6/10 · novelty:
application - 摘要: 本文提出一种基于YOLO架构的深度学习检测方法,用于在IPHAS和VPHAS+巡天数据中识别行星状星云(PNe)。作者利用HiPS系统预处理r、i、Hα三个波段,生成两种RGB图像数据集(640×640像素和1280×1280像素),并基于HASH数据库标注约2600个PNe。针对PNe弥散、低对比度的特点,损失函数和评估指标被调整,采用极低的IoU阈值(1%)。通过k折交叉验证,YOLOv12m模型在第一个数据集上达到0.979的平均精度;在置信度阈值0.15时,精确率和召回率分别为98.7%和97.4%。系统在1280×1280图像上部署于全巡天覆盖范围(约3755平方度),初步分析显示其对CCD角缺陷和HiPS瓦片接缝等伪影具有鲁棒性,性能优于近期Swin Transformer方法。然而,在广阔且密集的银河系天区,自动区分PNe与人类专家可辨别的模拟源(如H II区)仍具挑战,作者概述了未来改进方向。
- 关键技术:
YOLO architecture,HiPS preprocessing,data augmentation,low IoU threshold,k-fold cross-validation,convolutional neural network - 为什么对您有用: 本文属于天文统计学的gateway reading,适合作为入门读物:它清晰展示了深度学习在巡天数据中检测稀有天体(PNe)的完整流程,包括数据预处理、标注、模型训练和评估,且不依赖深奥的天文术语。作为统计学家,您能理解其方法学核心——目标检测中的IoU阈值选择、类别不平衡处理、以及模型泛化到大规模数据的问题。武器库中的统计计算和软件工程技能足以支撑您复现或改进其检测流程,但本文方法学新颖性有限(主要应用YOLO),因此作为入门阅读价值高,但无需深入全文。
3. 2610.19909 — RPCA: a Resolved PSF reconstruction method for undersampled images¶
- 作者: Lin Nie, Huanyuan Shan, Guoliang Li, Tob\'ias I. Liaudat, Chengliang Wei, Peng Wei, Tianmeng Zhang, Hekun Li, Lei Wang, Han Qu, Zhaojun Yan, Nan Li, You Wu, Peng Jia
- 机构: Shanghai Astronomical Observatory · Chinese Academy of Sciences · Purple Mountain Observatory · Commissariat à l'Énergie Atomique et aux Énergies Alternatives · Université Paris-Saclay · CEA Paris-Saclay - Etablissement de Saclay · Institut de Recherche sur les Lois Fondamentales de l'Univers · National Astronomical Observatories 等
- 分类: astro-ph.IM
- 相关性 6/10 · novelty:
application - 摘要: 本文针对欠采样图像(如中国空间站望远镜 CSST)的 PSF 重建问题,提出了一种名为 RPCA 的新方法。该方法在建模中显式考虑像素积分效应,并利用期望最大化 PCA(EMPCA)技术直接从欠采样星像中重建高分辨率 PSF。在包含观测与探测器效应的 CSST 模拟数据集上,RPCA 在 PSF 形状参数精度上优于 MCCD、RCA 和 PSFEx 等方法,尤其将 ΔR²/R² 的偏差降低约一个数量级。该方法在变化的信噪比、宇宙射线和坏点污染等现实观测条件下表现出稳健性。作为天文图像处理的应用型方法论文,其方法论新颖性中等,但为统计学家提供了理解天文 PSF 建模问题的良好入门材料。
- 关键技术:
Expectation-Maximization PCA,pixel integration modeling,PSF reconstruction,undersampled images - 为什么对您有用: 本文属于 gateway reading 范畴的 astrostatistics 论文。它清晰展示了天文成像中 PSF 建模的数据结构(欠采样、像素积分、噪声与污染),对统计学家友好,可作为进入天文图像分析的入门读物。您的武器库(如 PCA、EM 算法)足以支撑理解其核心方法,但若要深入改进 PSF 建模的统计性质(如不确定性量化),可能需要补充天文探测器噪声模型等知识。值得花时间读全文以了解该领域的数据挑战。
4. 2610.18909 — Unveiling photometric transients with the ILMT and their follow-up using DOT¶
- 作者: Priyanshi Kumari, Bhavya Ailawadhi, Talat Akhunov, Monalisa Dubey, Naveen Dukiya, Sara Filali, Paul Hickson, Gokul Singh Mehra, Kuntal Misra, Vibhore Negi, Kumar Pranshu, Jean Surdej, Sarvesh Kumar Yadav
- 机构: Aryabhatta Research Institute of Observational Sciences · Physical Research Laboratory · Ulugh Beg Astronomical Institute · National University of Uzbekistan · M.J.P. Rohilkhand University · University of Liège · University of British Columbia · Peking University 等
- 分类: astro-ph.IM · astro-ph.HE
- 相关性 5/10 · novelty:
application - 摘要: 本文介绍印度 Devasthal 台站 4 米 ILMT 液体镜望远镜与 3.6 米 DOT 望远镜的协同观测策略:ILMT 持续巡天 22.3′×22.3′ 天顶条带,通过基于优化图像相减和卷积神经网络的 PyLMT 流水线发现光变暂现源,DOT 则提供光谱进行类型确认。作者展示了一批超新星候选体的光变曲线(ILMT 与 ZTF 数据)和 DOT 光谱,并分析其光度和光谱性质。该工作属于天文观测与数据处理的应用型论文,方法学上主要依赖成熟的图像相减和 CNN 分类技术,没有提出新的统计方法。对您而言,本文可作为了解天文暂现源数据结构和观测流程的入门读物,但统计方法学贡献有限。
- 关键技术:
image subtraction,convolutional neural network,light curve analysis,spectroscopic classification - 为什么对您有用: 本文属于 gateway reading 范畴的 astrostatistics 论文。作为入门读物,它清晰展示了天文暂现源发现与分类的完整数据流程(图像相减、CNN 分类、光谱确认),但未深入统计建模。您的武器库(如非参数方法、高维统计)足以理解其数据处理,但无需投入时间精读全文;若想进入天文暂现源方向,本文可提供背景,但更值得关注后续的光变曲线建模或分类不确定性量化工作。
5. 2610.19070 — Neural networks applied to forecasting the astroclimatic and meteorological parameters in an operational context¶
- 作者: C. Weinberger (INAF - Osservatorio Astrofisico di Arcetri, Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), E. Masciadri (INAF - Osservatorio Astrofisico di Arcetri, Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), M. De Sepibus (INAF - Osservatorio Astrofisico di Arcetri, Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), A. Otarola (European Southern Observatory, Alonso de C\'ordova, Santiago, Chile), S. Miesske (European Southern Observatory, Alonso de C\'ordova, Santiago, Chile), C. Veillet (Large Binocular Telescope, Tucson, AZ, USA), S. Ragland (Large Binocular Telescope, Tucson, AZ, USA)
- 机构: Arcetri Astrophysical Observatory · National Institute for Astrophysics · European Southern Observatory
- 分类: astro-ph.IM
- 相关性 4/10 · novelty:
application - 摘要: 本文针对地基望远镜科学运行和自由空间光通信的需求,研究用神经网络预测大气光学湍流(如视宁度)和气象参数(如风速)的可行性。在1小时预测时间尺度上,自回归(AR)技术目前表现最佳(视宁度RMSE约0.1角秒),但深度学习具有高适应性和同时处理多参数相关性的潜力。作者比较了多种神经网络架构与随机森林(RF)模型,并特别关注运行配置下的预测性能。此外,他们研究了训练数据中因白天缺乏光学湍流测量而产生的数据缺口对预测的影响,并以风速为例,证明若覆盖全天24小时测量,预测性能可能提升。该工作服务于LBT的ALTA中心和VLT的FATE项目运行预报系统。作为天文仪器领域的应用型论文,其方法学新颖性有限,但清晰地展示了数据结构和预测评估流程。
- 关键技术:
neural network forecasting,autoregressive baseline,random forest comparison,operational forecast system,data gap analysis - 为什么对您有用: 本文属于astrostats方向的gateway reading,适合作为了解天文台运行预报中数据与模型结构的入门读物。武器库中的时间序列预测和机器学习基础足以理解其方法,但本文方法学贡献有限,不值得深入跟进。
其他 (other, 6 篇)¶
1. 2610.19428 — Common Signals, Spurious Cross-Excitation, and Identification in Multivariate Hawkes Processes¶
- 作者: Jiwon Jung, Kiseop Lee
- 机构: University of Washington · Purdue University West Lafayette
- 分类: stat.ME · q-fin.ST
- 相关性 6/10 · novelty:
new_method - 摘要: 本文研究多元 Hawkes 过程在存在潜在共同信号时的可识别性问题。作者证明,即使没有结构性交互,潜在共同信号也能产生虚假的交叉激发,并构造了与共同信号模型具有相同均值强度和 Bartlett 谱的稳定非负 Hawkes 过程,从而建立了二阶非识别性的具体形式。他们推导了带 Cox 移民的 Hawkes 过程的积分三阶累积量,并证明在二维和三维系统中,归一化结构参数在一般条件下是局部可识别的。通过精确等价蒙特卡洛实验,展示了三阶信息如何区分具有相同二阶结构的机制,同时揭示了弱信号下显著的有限样本局限性。对于受限参数族,他们发展了基于分箱计数的 Whittle 估计,证明了在适当识别条件下的一致性和渐近正态性,并构造了考虑估计均值强度的可行 sandwich 标准误。模拟评估了结构恢复和推断精度,对加密货币交易的应用则说明了推断的激发对模型设定的敏感性以及仅基于谱拟合进行结构解释的局限性。
- 关键技术:
Hawkes processes,Bartlett spectrum,third-order cumulants,local identification,Whittle estimation,sandwich standard errors - 为什么对您有用: 本文属于点过程与因果推断的交叉领域,其核心问题是区分虚假相关与真实因果激发,这与您的因果推断兴趣(尤其是识别问题)直接相关。您可以用 very_familiar 的估计理论(如 M-估计)来审视其 Whittle 估计的有限样本性质,或用 moderately_familiar 的识别理论来评估其局部识别条件的强度。该文可作为点过程识别问题的入门读物,但方法学深度一般,建议快速浏览。
2. 2610.20321 — Hierarchical Gaussian Processes for Survey Weighting: Local Equivalent Weights in Structured Populations¶
- 作者: Seonghun Lee
- 机构: Columbia University
- 分类: stat.ME · stat.ML
- 相关性 5/10 · novelty:
new_method - 摘要: 本文提出基于分层高斯过程(HGP)回归的调查加权框架,目标是在稀疏事后分层单元中构造局部等价权重,以连接模型推断与设计推断。传统回归模型难以捕捉非线性关系和复杂交互,HGP通过结合组级效应与核平滑在相关单元间共享信息。作者利用结构化协方差表示推导高斯后验预测公式以降低计算成本,并在正则条件下建立了后验预测均值的均匀收敛性。通过匹配plug-in事后分层估计量对潜在均值尺度向量的一阶敏感性,构造局部等价权重。模拟显示HGP在非参数结构下取得更低的总体加权预测误差,而逻辑回归在正确参数设定下表现更好,并应用于未来家庭与儿童福祉研究。
- 关键技术:
hierarchical Gaussian process,local equivalent weights,poststratification,structured covariance,uniform convergence - 为什么对您有用: 本文属于调查加权与贝叶斯非参数方法,与您的主要兴趣(因果推断、半参数理论)关联较弱,但其中等价权重与敏感性匹配的思想与因果推断中的加权估计有潜在联系。作为gateway reading,本文对非参数建模与计算权衡的阐述较清晰,但需要一定贝叶斯非参数基础。武器库中的半参数理论可帮助理解其敏感性匹配,但核心的GP计算与后验理论不在常用工具中,暂不可直接迁移。
3. 2610.20090 — Drift parameter estimation for interacting particle systems with singular repulsion¶
- 作者: Chiara Amorino, Jacek Malecki, Radomyra Shevchenko
- 分类: math.ST · math.PR · stat.TH
- 相关性 5/10 · novelty:
new_method - 摘要: 本文研究奇异排斥相互作用粒子系统中交互参数的估计问题,观测为固定时间区间上的连续或离散轨迹。由于交互漂移的奇异性,标准似然和对比方法因正则性假设失效而无法直接应用。作者利用粒子动力学的对称性,将其精确约化为关于二次经验矩的一维随机微分方程,奇异项相互抵消,从而得到参数线性出现的显式估计量。当粒子数 N 趋于无穷时,建立了估计量的相合性和渐近正态性:对严格正交互核,在微观噪声尺度 ε_N 下获得 √(N/ε_N) 的收敛速率;对退化核,在典型尺度 ε_N=N^{-1} 下获得速率 N。文中还给出了离散高频采样下统计极限成立的观测网格条件,并通过 Dyson Brownian motion、Dyson OU 过程和 Wishart-Laguerre 粒子系统及数值实验验证了方法。
- 关键技术:
moment-based estimation,one-dimensional reduction,asymptotic normality,high-frequency discrete sampling,Dyson Brownian motion - 为什么对您有用: 本文属于数学统计中的参数估计问题,与您的主要兴趣(数学统计与假设检验)有交集,但并非您最核心的因果推断或高维方向。其方法核心——利用对称性约化到低维矩方程——与您熟悉的 U-统计量投影思想有潜在联系,但技术工具(粒子系统、随机微分方程)不在您的武器库中。作为 gateway reading,本文对统计学家而言可读性中等,需要一定的随机分析背景。
4. 2610.19921 — Improved Forecasting for Multivariate Time Series using GNAR models with General Inverse Distance Weights¶
- 作者: Hengxu Liu, Guy P. Nason, Sourav Das, Stephen Grebby
- 机构: Imperial College London · Curtin University
- 分类: stat.ME
- 相关性 4/10 · novelty:
new_method - 摘要: 本文提出 GNARID 模型,扩展广义网络自回归(GNAR)模型,引入可调指数参数控制距离惩罚强度,以更灵活地刻画多元时间序列中变量间基于距离的依赖关系。作者建立了 GNARID 估计量的一致性和渐近正态性理论结果,并扩展到节点数增长的情形。通过模拟研究验证了理论性质,并分析了指数参数误设对预测误差的影响。在 Brumadinho 地面位移数据集上展示了正确调整权重指数可提升预测性能。
- 关键技术:
generalized network autoregressive (GNAR) models,inverse distance weighting,asymptotic normality,consistency,network time series forecasting - 为什么对您有用: 本文属于网络时间序列建模,与您的主要兴趣(因果推断、高维统计等)无直接交集。但其中关于网络结构、距离权重和参数估计的理论分析,可能对您在高维或纵向数据建模中的某些问题有间接启发。作为方法论论文,其可读性尚可,但并非您领域的核心文献。
5. hexagon:2610.00223 — Long runs and rare patterns of a random completely multiplicative function¶
- 作者: Brice Pouly
- 期刊/来源: Hexagon · 无人类作者署名 · 人类理解:无 · 工具: Claude Opus 4.8 / Claude Fable 5 / ChatGPT 5.6 Sol / ChatGPT 6 Astra
- 分类: math.NT · math.PR
- 相关性 4/10 · novelty:
new_theory - 摘要: 本文研究随机完全乘性函数(在素数处取独立对称符号)的长游程与稀有模式,目标是在对数长度窗口内刻画常数游程和指定单词的出现规律。核心工具是一个均匀加权的双窗口平方关系估计,其临界界为 O_ε(N^{5/3+ε}),用于将精确有理关系与残差分量分离。在临界强度下,该估计给出保留位置、超长长度和符号的 Poisson 比较;对于字典,则在大小和重叠条件下给出均匀界,并通过固定字典后对距离取平均得到典型界。在强度发散的可控区间内,通过最大奇素数枢轴实现精确的一词耦合,比较在给定小素数条件下的完整符号游程场。对于固定可容许窗口参数和几乎每个固定实现,近宏观窗口中的游程起点计数沿二进尺度满足经验 Poisson 律;在异常稀有情形下,相对标记比较将边界事件与体相发生分离。条件于存在性,首次位置、符号和超调量服从具有尺度依赖权重的双源格点律,且两个超调量使用不同时钟:边界处用素数秩,体相中用整数距离。
- 关键技术:
random completely multiplicative functions,two-window square-relation estimate,Poisson approximation,coupling by largest-odd-prime pivots,empirical Poisson law,lattice law - 为什么对您有用: 本文属于数论与概率的交叉,与您的主要兴趣(因果推断、高维统计、U-统计量等)无直接重叠,但其中对稀有事件和长程依赖结构的分析思路(如耦合、Poisson 近似)可能对您处理复杂相依数据中的极端事件有启发。作为 gateway reading,本文数学严谨但领域较偏,武器库(如概率论与高维工具)足以支撑理解核心论证,但无需深入全文。
6. hexagon:2610.00242 — Average-radius list decoding of random linear matrix codes at rank-metric capacity¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 期刊/来源: Hexagon · 无人类作者署名 · 人类理解:部分 · 工具: Bolzano
- 分类: math.IT · cs.IT
- 相关性 4/10 · novelty:
new_theory - 摘要: 本文研究随机线性秩度量码在平均半径列表解码下的容量问题。具体地,对于固定的素数幂 q 和 0<p<1,均匀随机的 F_q 线性秩度量码(码率为 (1-p)^2-ε)在半径 pn 处以高概率是平均半径列表可解码的,列表大小为 O_{p,q}(1/ε)。这回答了 Guruswami、Li 和 Singhal 提出的问题,其中 q=2 的情形已知。失败概率是显式的,并且当 ε 随 n 变化且 ε n^2 → ∞ 时仍然很小。证明结合了加权仿射提取、附近秩壳中矩阵的跨度估计以及秩轮廓上的高斯求和。
- 关键技术:
rank-metric codes,average-radius list decoding,Gaussian summation over rank profiles,span estimates,weighted affine extraction - 为什么对您有用: 本文属于编码理论,与您的主要兴趣(因果推断、高维统计、U-统计量等)无直接关联。作为数学统计学家,您可能对其中使用的组合与概率方法(如高斯求和、跨度估计)有一定兴趣,但整体主题偏离您的核心研究领域。因此,本文更适合作为拓宽视野的阅读材料,而非直接可迁移的方法论来源。
🗂 其他论文(仅 LLM 评分,未生成摘要)¶
未生成中文摘要的论文,按 LLM 评分由高到低排列,仅保留评分与简评,便于回溯查全。一般为相关性低于展示阈值者;个别历史页也含当时因单日摘要上限未展开的高分篇目(评分仍清楚标着)。
1. 2610.18902 — The LR2 Lifetime Distribution: Rate Crossing, Reliability Properties, and Estimation¶
- 作者: Lalita Singh
- 机构: Dr. Bhimrao Ambedkar University
- 分类: stat.ME
- 相关性 3/10
- 评分理由: Lifetime distribution paper is a niche parametric reliability topic, tangential to primary interests in causal inference and high-dimensional statistics.
2. 2610.19886 — Interactive and Robust PCA Graphics with FSDA in MATLAB¶
- 作者: Marco Riani, Anthony C. Atkinson, Aldo Corbellini, Domenico Perrotta, Francesca Torti, Gianluca Morelli
- 机构: University of Parma · London School of Economics and Political Science · Joint Research Centre
- 分类: stat.ME
- 相关性 3/10
- 评分理由: Software for PCA graphics, tangential to primary interests; no methodological novelty.
3. 2610.19903 — A New Perspective on Cumulative Residual R\'enyi Entropy¶
- 作者: Shubham Babasaheb Alte, Swaroop Georgy Zachariah, Mohd. Arshad
- 机构: Indian Institute of Technology Indore
- 分类: math.ST · stat.AP · stat.TH
- 相关性 3/10
- 评分理由: Entropy measure theory in mathematical statistics, but not aligned with primary interests or arsenal.
4. hexagon:2610.00270 — Linear Trace-Deficit Decay for Permanents of Positive Semidefinite Contractions¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.CO · math.PR
- 相关性 3/10
- 评分理由: Permanent bound for PSD contractions, touches probability but far from primary interests.
5. hexagon:2610.00257 — Sequential Games¶
- 作者: Rajesh Dachiraju
- 分类: math.FA · math.CA
- 相关性 3/10
- 评分理由: Game theory with HMMs, weak connection to statistical modeling but no causal or high-dim focus.
6. hexagon:2610.00240 — A cubic variance bound for matching deficiency¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.CO · math.PR
- 相关性 3/10
- 评分理由: Combinatorial probability bound on matching variance, only weakly adjacent to high-d asymptotics or U-statistics.
7. hexagon:2610.00217 — Low-discrepancy quasi-uniform digital nets in every dimension¶
- 作者: Leonhard Gruenschloss
- 分类: math.NA · math.MG · math.NT
- 相关性 3/10
- 评分理由: Pure math on quasi-uniform digital nets, unrelated to statistical interests.
8. 2610.19204 — Studying the Near-horizon Jet of M87 using Millimeter Balloon-borne VLBI stations¶
- 作者: Felix M. Thiel, Dominic W. Pesce, Mayukh Bagchi, Laura M. Fissel, Lindy Blackburn
- 分类: astro-ph.IM
- 相关性 2/10
- 评分理由: Instrumentation/VLBI simulation paper, no statistical methodology relevant to interests.
9. 2610.19509 — Optimal Design of Shaped Pupil Lyot Coronagraph for China's Large Segmented Telescope¶
- 作者: Kaining Yang, He Sun, Bin B. Ren, Fabo Feng, Yiyun Wu, Jinxin Liu, Linbo Cao, Ruobing Dong, Feng Long, Wei Wang
- 分类: astro-ph.IM
- 相关性 2/10
- 评分理由: Coronagraph optical design, unrelated to statistical interests.
10. 2610.19621 — Development and characterization of a millimeter-wave circular polarization observation method using a quarter-wave plate with Simons Array¶
- 作者: Kana Sakaguri, Darcy R. Barron, Yuji Chinone, Matthew Ryan Chu, Nicole Farias, Takuro Fujino, Masaya Hasegawa, Masashi Hazumi, Haruaki Hirose, Jennifer Ito, Oliver Jeong, Daisuke Kaneko, Brian Keating, Akito Kusaka, Adrian T. Lee, Lindsay Ng Lowry, Richard Plambeck, Shahed Shayan Arani, Praween Siritanasak, Satoru Takakura
- 分类: astro-ph.IM
- 相关性 2/10
- 评分理由: Instrumentation for circular polarization, no statistical methodology.
11. 2610.20143 — R&D activity in INAF on light instrumentation for continuous optical turbulence monitoring¶
- 作者: Camilo Weinberger (INAF - Osservatorio Astrofisico di Arcetri, Largo Enrico Fermi 5, I-501 25 Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), Elena Masciadri (INAF - Osservatorio Astrofisico di Arcetri, Largo Enrico Fermi 5, I-501 25 Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), Luca Carbonaro (INAF - Osservatorio Astrofisico di Arcetri, Largo Enrico Fermi 5, I-501 25 Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), Marlene de Sepibus (INAF - Osservatorio Astrofisico di Arcetri, Largo Enrico Fermi 5, I-501 25 Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), Fernando Pedichini (INAF - Osservatorio Astrofisico di Roma, Roma, ADONI, ADaptive Optics National laboratory of INAF), Ciro Del Vecchio (INAF - Osservatorio Astrofisico di Arcetri, Largo Enrico Fermi 5, I-501 25 Florence, Italy, ADONI, ADaptive Optics National laboratory of INAF), Christian Veillet (Large Binocular Telescope, Tucson, AZ), Sam Ragland (Large Binocular Telescope, Tucson, AZ)
- 分类: astro-ph.IM · physics.ao-ph
- 相关性 2/10
- 评分理由: Instrumentation for turbulence monitoring, no statistical methodology.
12. 2610.20298 — Geometrical and Optical Design of the GUEST Laser-Ranged Test Masses for the Detection of Gravitational Waves in the \(\mu\)Hz range¶
- 作者: Dario Vetrano, Giada Bargiacchi, Nicol`o Burzill`a, Roberto Campagnola, Francesco Del Ferraro Iacobelli, Luca Porcelli, Simone Dell'Agnello, Diego Blas
- 机构: Istituto Nazionale di Fisica Nucleare, Laboratori Nazionali di Frascati
- 分类: astro-ph.IM
- 相关性 2/10
- 评分理由: Optical design for gravitational wave mission, unrelated to statistical interests.
13. 2610.20425 — Updates to STIS NUV Dark Calibration¶
- 作者: Jacqueline Brown, Sean Lockwood, TalaWanda Monroe, Amy Jones, Joleen Carlberg
- 机构: Space Telescope Science Institute
- 分类: astro-ph.IM
- 相关性 2/10
- 评分理由: Calibration update for HST instrument, no statistical methodology.
14. 2610.20599 — International Astrophysical Consortium for High-energy Calibration: Summary of the 18th IACHEC Workshop¶
- 作者: K. K. Madsen, C. E. Grant, V. Burwitz, H. Earnshaw, K. Forster, M. Guainazzi, V. L. Kashyap, H. L. Marshall, C. B. Markwardt, F. Meeker-F\"urst, E. D. Miller, L. Natalucci, P. P. Plucinsky, M. Shidatsu, H. Suzuki, Y. Terada, A. T\"umer
- 机构: Goddard Space Flight Center · Max Planck Institute for Extraterrestrial Physics · California Institute of Technology · European Space Research and Technology Centre · Center for Astrophysics Harvard & Smithsonian · European Space Agency · European Space Astronomy Centre · Institute for Space Astrophysics and Planetology 等
- 分类: astro-ph.IM
- 相关性 2/10
- 评分理由: Calibration workshop summary for X-ray observatories, tangential to astrostatistics with no clear data/model exposition.
15. hexagon:2610.00256 — The P\'olya--Vinogradov inequality with \(\log\log q\)¶
- 作者: Deep Bhattacharjee, Ushashi Bhattacharya
- 分类: math.NT · math.CA
- 相关性 2/10
- 评分理由: Analytic number theory inequality, tangential to high-dimensional asymptotics but not statistical.
16. hexagon:2610.00261 — Subset Sum in time O(2^{0.4877n})¶
- 作者: Annanay Kapila
- 分类: cs.DS · cs.CC
- 相关性 2/10
- 评分理由: Algorithmic complexity result, tangential to statistical-computational tradeoff but no stats model.
17. hexagon:2610.00252 — The two-moment certificate is robust under Rudnick–Sarnak-range cubic augmentation with capacity control: An exact absorption certificate for the two-moment system at bandwidth one, with a hand-checkable witness¶
- 作者: Kunal Tyagi
- 分类: math.NT · math.OC
- 相关性 2/10
- 评分理由: Number theory with optimization flavor, no statistical methodology or data.
18. hexagon:2610.00241 — A six-spin obstruction to antiferromagnetic biclique maximization¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.CO · math-ph
- 相关性 2/10
- 评分理由: Combinatorial spin model counterexample, tangential to statistical theory with no data or estimation angle.
19. hexagon:2610.00238 — A nonlinear connectivity code larger than every linear code¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.CO · math.IT
- 相关性 2/10
- 评分理由: Coding theory construction, unrelated to statistical inference or computational statistics.
20. hexagon:2610.00225 — The Bannai–Munemasa–Venkov lattice method for strongly regular graphs: a uniform discriminant-form condition and new nonexistence results¶
- 作者: Anton Kovaľ
- 分类: math.CO
- 相关性 2/10
- 评分理由: Algebraic combinatorics on strongly regular graphs, no statistical or computational-statistics relevance.
21. hexagon:2610.00245 — Finite Analytic Characters and Tannakian Source Reconstruction: A Finite Tensor–Quiver Framework for Beyond Endoscopy¶
- 作者: Shawn Schafer
- 分类: math.NT · math.AG · math.RT
- 相关性 2/10
- 评分理由: Number theory and representation theory, far from statistical interests despite tensor language.
22. hexagon:2610.00243 — Steinhaus Piercing with Slack: The Exact Asymptotic Constant¶
- 作者: Anton Joha
- 分类: math.NT · math.CO
- 相关性 2/10
- 评分理由: Combinatorial geometry on sequence piercing, no statistical or methodological overlap.
23. hexagon:2610.00244 — First Proof Third Batch¶
- 作者: Mohammed Abouzaid, Nikhil Srivastava, Rachel Ward, Lauren Williams
- 分类: cs.AI · math.GM
- 相关性 2/10
- 评分理由: AI math problem-solving assessment, tangential to statistical methodology.
24. hexagon:2610.00235 — An Arbor Polytope with Nonreal Ehrhart Roots¶
- 作者: YURAN XIU
- 分类: math.CO
- 相关性 2/10
- 评分理由: Combinatorial polytope and Ehrhart roots, unrelated to statistical methodology.
25. 2610.20555 — Refurbishment and Cryocooler Upgrade of the CPAPIR Wide-Field Near-Infrared Camera: Design, Integration, and Lessons Learned¶
- 作者: Philippe Vallee, Jonathan St-Antoine, Lison Malo, Frederique Baron, Sylvie F Beaulieu, Rene Doyon, Etienne Artigau, Fidele Robichaud
- 分类: astro-ph.IM
- 相关性 1/10
- 评分理由: Instrumentation paper on a near-infrared camera refurbishment, unrelated to statistical interests.
26. hexagon:2610.00278 — A universal group with thirteen relators¶
- 作者: Qiuyu Ren
- 分类: math.GR
- 相关性 1/10
- 评分理由: Pure group theory construction, unrelated to statistics.
27. hexagon:2610.00280 — An elliptic curve of rank \(\geq 34\) and root number \(-1\) over a quadratic field¶
- 作者: Dylan T. Costa, Alvaro Lozano-Robledo
- 分类: math.NT
- 相关性 1/10
- 评分理由: Number theory result on elliptic curve ranks, unrelated to statistics.
28. hexagon:2610.00265 — Rational Fourth Powers Summing to 82¶
- 作者: Natanael Wildner Fraga
- 分类: math.NT
- 相关性 1/10
- 评分理由: Number theory on Diophantine equations, unrelated to statistics.
29. hexagon:2610.00275 — The Willow Transform and the Blind Zone Theorem: A Sharp Information-Theoretic Obstruction in the Turán Hierarchy for the Riemann xi-Function¶
- 作者: Changxia Lin
- 分类: math.NT
- 相关性 1/10
- 评分理由: Riemann hypothesis related Toeplitz minors, unrelated to statistics.
30. hexagon:2610.00248 — Improved Kissing Numbers in Nineteen and Twenty-One Dimensions¶
- 作者: Kevin Li
- 分类: math.MG
- 相关性 1/10
- 评分理由: Pure discrete geometry on kissing numbers, unrelated to any primary or secondary interest.
31. hexagon:2610.00249 — Explicit positive lower density for the Collatz Conjecture¶
- 作者: Kenny Lau
- 分类: math.NT
- 相关性 1/10
- 评分理由: Number theory result on Collatz conjecture, no statistical or methodological connection.
32. hexagon:2610.00239 — Small witnesses for eventual Erdős--Straus binomial divisibility¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.NT
- 相关性 1/10
- 评分理由: Pure number theory on binomial divisibility, unrelated to statistics or causal inference.
33. hexagon:2610.00236 — A counterexample to Haglund's monotonic-zeros conjecture for the Riemann \(\Xi\) approximants¶
- 作者: Kunal Tyagi
- 分类: math.NT
- 相关性 1/10
- 评分理由: Number theory counterexample on Riemann Xi approximants, no statistical content.
34. hexagon:2610.00234 — An unavoidable set of divisors for the nearest integers to ξ(3/2)^n¶
- 作者: Ralf Stephan
- 分类: math.NT
- 相关性 1/10
- 评分理由: Number theory on divisibility of nearest integers, unrelated to researcher's interests.
35. hexagon:2610.00229 — Non-Archimedean Massera-Schaffer-Maligranda-Pecaric-Rajic Inequality¶
- 作者: K. MAHESH KRISHNA
- 分类: math.NT · math.FA
- 相关性 1/10
- 评分理由: Functional analysis inequality in non-Archimedean spaces, no statistical relevance.
36. hexagon:2610.00246 — Algebraicity of Weil classes on abelian sixfolds of Weil type for \(\mathbb{Q}(\sqrt{-3})\) with discriminant \(-2\)¶
- 作者: Benjamin Severn
- 分类: math.AG · math.GR · math.NT
- 相关性 1/10
- 评分理由: Algebraic geometry on Weil classes, far from statistics and causal inference.
37. hexagon:2610.00227 — Marked Positive Handleslide Pentagons in Compression Bodies: Relative Coherence¶
- 作者: Hao-Yu Sun
- 分类: math.GT · math.AG
- 相关性 1/10
- 评分理由: Low-dimensional topology on compression bodies, unrelated to statistics.
38. hexagon:2610.00224 — Stable Algebraic Families for \(\mathbb{P}^2\)¶
- 作者: Jit Wu Yap
- 分类: math.DS · math.AG
- 相关性 1/10
- 评分理由: Algebraic geometry/dynamical systems, far outside all interests.
39. hexagon:2610.00232 — Another Counterexample to Little Finitistic Dimension Conjecture¶
- 作者: Andy Jiang
- 分类: math.RA
- 相关性 1/10
- 评分理由: Algebraic homological algebra conjecture, unrelated to statistics.
40. hexagon:2610.00237 — Unipotent tensor categories and pronilpotent Lie quasibialgebras¶
- 作者: Pavel I Etingof
- 分类: math.QA · math.CT
- 相关性 1/10
- 评分理由: Tensor categories and Lie quasibialgebras, pure algebra, no statistical connection.
41. hexagon:2610.00231 — The Watermark and Double Ladder Theorems: the discriminant group of the Néron–Severi lattice of a Fermat surface of prime degree¶
- 作者: Rafael Amichis Luengo
- 分类: math.AG · math.NT
- 相关性 1/10
- 评分理由: Algebraic geometry of Fermat surfaces, unrelated to statistical interests.
42. hexagon:2610.00268 — A finite-delay code for lexicographic graph products¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.IT · math.CO
- 相关性 0/10
- 评分理由: Pure combinatorics/information theory on graph products, unrelated to statistical interests.
43. hexagon:2610.00269 — Sharp fractional Helly bounds for common affine flats¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: math.MG · math.CO
- 相关性 0/10
- 评分理由: Discrete geometry result on Helly-type theorems, no statistical connection.
44. hexagon:2610.00273 — The rank-one Dixmier conjecture for elements of mass at most six¶
- 作者: Idris Ali Shaik
- 分类: math.RA
- 相关性 0/10
- 评分理由: Algebraic noncommutative algebra (Weyl algebra) problem, far from statistics.
45. hexagon:2610.00274 — Finite Projective Source Geometry for GL2: Abel Resolvents and Central-Jet Degree Laws¶
- 作者: Shawn Schafer
- 分类: math.RT · math.NT
- 相关性 0/10
- 评分理由: Representation theory and measure on subgroups, unrelated to statistical interests.
46. hexagon:2610.00271 — Fractional DAG treewidth controls DAG treewidth: profile reorientation and VC-dimension rounding¶
- 作者: Matěj Kripner, Václav Rozhoň, Robert Šámal, Martin Šindelář, Adrián Zámečník
- 分类: cs.DM · cs.DS · math.CO
- 相关性 0/10
- 评分理由: Graph theory/treewidth and VC dimension, no direct statistical modeling or inference.
47. hexagon:2610.00266 — The Coloured Sand Theorem: the p-part of the sandpile group of the Hamming graph, for every prime p dividing q and every dimension d¶
- 作者: Rafael Amichis Luengo
- 分类: math.CO · math.GR · math.RT
- 相关性 0/10
- 评分理由: Sandpile group of Hamming graphs, pure combinatorics, no statistical relevance.
48. hexagon:2610.00260 — Stable algebraic families of polarized dynamical systems and exceptional extensions¶
- 作者: Zhuchao Ji
- 分类: math.DS · math.AG · math.CV
- 相关性 0/10
- 评分理由: Algebraic dynamics and stability of families, unrelated to statistics.
49. hexagon:2610.00254 — Orthogonal circles and a fixed-dimensional separated-distance counterexample¶
- 作者: John Tripodo
- 分类: math.MG
- 相关性 0/10
- 评分理由: Pure geometry/combinatorics, unrelated to statistics or causal inference.
50. hexagon:2610.00259 — The Hodge Conjecture for CM abelian varieties¶
- 作者: Pol van Hoften, Jack Sempliner
- 分类: math.AG · math.NT
- 相关性 0/10
- 评分理由: Algebraic geometry, completely outside all interests.
51. hexagon:2610.00258 — An Intrinsic Formula for the Ray–West Correction Term¶
- 作者: Donald Poindexter
- 分类: math.CO
- 相关性 0/10
- 评分理由: Combinatorics of permutations, unrelated to statistics.
52. hexagon:2610.00253 — \(C_2\)-cofiniteness of logarithmic \(W\)-algebras¶
- 作者: Andrew Riesen
- 分类: math.QA
- 相关性 0/10
- 评分理由: Vertex operator algebras, far from statistical interests.
53. hexagon:2610.00251 — Phase-Labeled Doubles and Disjoint Handleslide Cubes with Complete Markings¶
- 作者: Hao-Yu Sun
- 分类: math.GT
- 相关性 0/10
- 评分理由: Topology/cobordism, unrelated to statistics.
54. hexagon:2610.00218 — A Note on Laminar Presentations and Finite Chain Models for Ample Groupoid Homology¶
- 作者: Luciano Melodia
- 分类: math.KT · math.AT
- 相关性 0/10
- 评分理由: Pure algebraic topology/homology theory, completely unrelated to the researcher's statistics interests.
55. hexagon:2610.00228 — Every nonsquare integer not equal to \(-1\) is a primitive root modulo a positive lower density of primes¶
- 作者: Manjul Bhargava
- 分类: math.NT
- 相关性 0/10
- 评分理由: Number theory on primitive roots, no connection to causal inference, high-dimensional statistics, or any listed interest.
Maintained by 陈星宇 · Homepage · Source on GitHub