统计学每日论文速递[06.29]

同步公众号(arXiv每日学术速递)，欢迎关注，感谢支持哦~

stat 方向，今日共计71篇

【1】 Learning Optimal Distributionally Robust Individualized Treatment Rules
标题：学习最优分布式鲁棒个性化治疗规则
作者： Weibin Mo, Yufeng Liu
链接：https://arxiv.org/abs/2006.15121

【2】 Relative gradient optimization of the Jacobian term in unsupervised deep learning
标题：无监督深度学习中Jacobian项的相对梯度优化
作者： Luigi Gresele, Aapo Hyvärinen
链接：https://arxiv.org/abs/2006.15090

【3】 Stable Feature Selection with Applications to MALDI Imaging Mass Spectrometry Data
标题：稳定的特征选择及其在MALDI成像质谱数据中的应用
作者： Jonathan von Schroeder
链接：https://arxiv.org/abs/2006.15077

【4】 Machine learning-based clinical prediction modeling -- A practical guide for clinicians
标题：基于机器学习的临床预测建模-临床医生实用指南
作者： Julius M. Kernbach, Victor E. Staartjes
备注：57 pages, 21 figures. Supplementary material (R Codes and the Glioblastoma dataset) can be downloaded from: this https URL . Julius M. Kernbach and Victor E. Staartjes contributed equally to this work and share first authorship
链接：https://arxiv.org/abs/2006.15069

【5】 Incremental inference of collective graphical models
标题：集体图形模型的增量推理
作者： Rahul Singh, Yongxin Chen
链接：https://arxiv.org/abs/2006.15035

【6】 Deriving information from missing data: implications for mood prediction
标题：从缺失数据中获得信息：对情绪预测的影响
作者： Yue Wu, Kate E.A. Saunders
链接：https://arxiv.org/abs/2006.15030

【7】 On the convergence of the Metropolis algorithm with fixed-order updates for multivariate binary probability distributions
标题：多元二元概率分布的定阶更新Metropolis算法的收敛性
作者： Kai Brügge, Christian Igel
链接：https://arxiv.org/abs/2006.14999

【8】 Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift
标题：未标记数据改进协变量偏移下的贝叶斯不确定度校准
作者： Alex J. Chan, Mihaela van der Schaar
链接：https://arxiv.org/abs/2006.14988

【9】 Hop Sampling: A Simple Regularized Graph Learning for Non-Stationary Environments
标题：跳跃采样：一种适用于非平稳环境的简单正则图学习
作者： Young-Jin Park, Kyung-Min Kim
链接：https://arxiv.org/abs/2006.14897

【10】 Stochastic Differential Equations with Variational Wishart Diffusions
标题：具有变分Wishart扩散的随机微分方程
作者： Martin Jørgensen, Hugh Salimbeni
备注：ICML 2020
链接：https://arxiv.org/abs/2006.14895

【11】 Properties of restricted randomization with implications for experimental design
标题：限制随机化的性质及其对实验设计的影响
作者： Mattias Nordin, Mårten Schultzberg
链接：https://arxiv.org/abs/2006.14888

【12】 A modified Armitage test for more than a linear trend on proportions
标题：比线性趋势更好的修正Armitage检验
作者： Ludwig A. Hothorn, Frank Schaarschmidt
链接：https://arxiv.org/abs/2006.14880

【13】 Conditional particle filters with diffuse initial distributions
标题：具有漫反射初始分布的条件粒子过滤器
作者： Santeri Karppinen, Matti Vihola
链接：https://arxiv.org/abs/2006.14877

【14】 Anytime Parallel Tempering
标题：随时平行回火
作者： Alix Marie d'Avigneau, Lawrence M. Murray
链接：https://arxiv.org/abs/2006.14875

【15】 Transfer Learning via $\ell_1$ Regularization
标题：通过$ \ ell_1 $正则化转移学习
作者： Masaaki Takada, Hironori Fujisawa
链接：https://arxiv.org/abs/2006.14845

【16】 Covariance-engaged Classification of Sets via Linear Programming
标题：基于线性规划的协方差参与集合分类
作者： Zhao Ren, Xingye Qiao
链接：https://arxiv.org/abs/2006.14831

【17】 Parametric Bootstrap Confidence Intervals for the Multivariate Fay-Herriot Model
标题：多元Fay-Herriot模型的参数Bootstrap置信区间
作者： Takumi Saegusa, Partha Lahiri
备注：21 pages
链接：https://arxiv.org/abs/2006.14820

【18】 Prediction in polynomial errors-in-variables models
标题：多项式变量误差模型的预测
作者： Alexander Kukush, Ivan Senko
链接：https://arxiv.org/abs/2006.14818

【19】 Convergence Rates of Two-Component MCMC Samplers
标题：二分量MCMC采样器的收敛速度
作者： Qian Qin, Galin L. Jones
链接：https://arxiv.org/abs/2006.14801

【20】 On Regret with Multiple Best Arms
标题：论后悔的多重最佳武器
作者： Yinglun Zhu, Robert Nowak
链接：https://arxiv.org/abs/2006.14785

【21】 The huge Package for High-dimensional Undirected Graph Estimation in R
标题：R中高维无向图估计的巨包
作者： Tuo Zhao, Larry Wasserman
备注：Published on JMLR in 2012
链接：https://arxiv.org/abs/2006.14781

【22】 Monitoring of process and risk-adjusted medical outcomes using a multi-stage MEWMA chart
标题：使用多阶段MEWMA图表监测过程和风险调整的医疗结果
作者： Doaa Ayad, Nokuthaba Sibanda
链接：https://arxiv.org/abs/2006.14737

【23】 Stochastic Approximation Algorithm for Estimating Mixing Distribution for Dependent Observations
标题：相依观测值混合分布估计的随机近似算法
作者： Nilabja Guha, Anindya Roy
链接：https://arxiv.org/abs/2006.14734

【24】 The Gaussian equivalence of generative models for learning with two-layer neural networks
标题：双层神经网络学习生成模型的高斯等价性
作者： Sebastian Goldt, Lenka Zdeborová
链接：https://arxiv.org/abs/2006.14709

【25】 Empirical MSE Minimization to Estimate a Scalar Parameter
标题：经验MSE最小化估计标量参数
作者： Clément de Chaisemartin, Xavier D'Haultfœuille
链接：https://arxiv.org/abs/2006.14667

【26】 ANOVA exemplars for understanding data drift
标题：用于理解数据漂移的ANOVA示例
作者： Sinead A. Williamson
链接：https://arxiv.org/abs/2006.14621

【27】 Critic Regularized Regression
标题：批判正则化回归
作者： Ziyu Wang, Nando de Freitas
链接：https://arxiv.org/abs/2006.15134

【28】 MMF: A loss extension for feature learning in open set recognition
标题：MMF：开集识别中特征学习的损失扩展
作者： Jingyun Jia, Philip K. Chan
链接：https://arxiv.org/abs/2006.15117

【29】 Building powerful and equivariant graph neural networks with message-passing
标题：用消息传递建立强大的等变图神经网络
作者： Clement Vignac, Pascal Frossard
备注：Submitted to Neurips 2020. 18 pages, 5 figures
链接：https://arxiv.org/abs/2006.15107

【30】 E2GC: Energy-efficient Group Convolution in Deep Neural Networks
标题：E2GC：深层神经网络中的能量高效群卷积
作者： Nandan Kumar Jha, Sparsh Mittal
备注：Accepted as a conference paper in 2020 33rd International Conference on VLSI Design and 2020 19th International Conference on Embedded Systems (VLSID)
链接：https://arxiv.org/abs/2006.15100

【31】 The Ramifications of Making Deep Neural Networks Compact
标题：使深度神经网络紧凑的后果
作者： Nandan Kumar Jha, Govardhan Mattela
备注：Accepted as a conference paper in 2019 32nd International Conference on VLSI Design and 2019 18th International Conference on Embedded Systems (VLSID)
链接：https://arxiv.org/abs/2006.15098

【32】 Policy-GNN: Aggregation Optimization for Graph Neural Networks
标题：Policy-GNN：图神经网络的聚集优化
作者： Kwei-Herng Lai, Xia Hu
备注：Accepted by ACM SIGKDD'20 research track
链接：https://arxiv.org/abs/2006.15097

【33】 What can I do here? A Theory of Affordances in Reinforcement Learning
标题：我在这里能做什么？强化学习中的公平理论
作者： Khimya Khetarpal, Doina Precup
备注：Thirty-seventh International Conference on Machine Learning (ICML 2020)
链接：https://arxiv.org/abs/2006.15085

【34】 On the Generalization Benefit of Noise in Stochastic Gradient Descent
标题：随机梯度下降中噪声的推广效益
作者： Samuel L. Smith, Soham De
备注：Camera-ready version of ICML 2020
链接：https://arxiv.org/abs/2006.15081

【35】 Continual Learning from the Perspective of Compression
标题：压缩视角下的持续学习
作者： Xu He, Min Lin
备注：4th Lifelong Learning Workshop at ICML 2020
链接：https://arxiv.org/abs/2006.15078

【36】 Intrinsic Reward Driven Imitation Learning via Generative Model
标题：基于生成性模型的内在奖励驱动模仿学习
作者： Xingrui Yu, Ivor W. Tsang
链接：https://arxiv.org/abs/2006.15061

【37】 A Loss Function for Generative Neural Networks Based on Watson's Perceptual Model
标题：基于Watson知觉模型的生成神经网络损失函数
作者： Steffen Czolbe, Christian Igel
链接：https://arxiv.org/abs/2006.15057

【38】 Object-Centric Learning with Slot Attention
标题：以对象为中心的槽注意力学习
作者： Francesco Locatello, Thomas Kipf
链接：https://arxiv.org/abs/2006.15055

【39】 Nearest Neighbour Based Estimates of Gradients: Sharp Nonasymptotic Bounds and Applications
标题：基于最近邻的梯度估计：锐利的非渐近界及其应用
作者： Guillaume Ausset, François Portier
链接：https://arxiv.org/abs/2006.15043

【40】 Pre-training via Paraphrasing
标题：通过释义进行预培训
作者： Mike Lewis, Luke Zettlemoyer
链接：https://arxiv.org/abs/2006.15020

【41】 A Framework for Reinforcement Learning and Planning
标题：强化学习和规划的框架
作者： Thomas M. Moerland, Catholijn M. Jonker
链接：https://arxiv.org/abs/2006.15009

【42】 Endogenous Treatment Effect Estimation with some Invalid and Irrelevant Instruments
标题：一些无效和不相关仪器的内源性治疗效果评估
作者： Qingliang Fan, Yaqian Wu
链接：https://arxiv.org/abs/2006.14998

【43】 The Sci-hub Effect: Sci-hub downloads lead to more article citations
标题：SCI-HUB效应：SCI-HUB下载导致更多文章引用
作者： J. C. Correa, Š. Bahník
备注：19 pages, 8 figures, 11 tables
链接：https://arxiv.org/abs/2006.14979

【44】 Online 3D Bin Packing with Constrained Deep Reinforcement Learning
标题：基于约束深度强化学习的在线三维装箱
作者： Hang Zhao, Kai Xu
链接：https://arxiv.org/abs/2006.14978

【45】 Relative Deviation Margin Bounds
标题：相对偏差界限
作者： Corinna Cortes, Ananda Theertha Suresh
链接：https://arxiv.org/abs/2006.14950

【46】 ELMV: a Ensemble-Learning Approach for Analyzing Electrical Health Records with Significant Missing Values
标题：ELMV：一种用于分析具有显著缺失值的电健康记录的集成学习方法
作者： Lucas J. Liu, Jin Chen
备注：15 pages, 8 Figures, submitted to ACM-BCB 2020
链接：https://arxiv.org/abs/2006.14942

【47】 Joints in Random Forests
标题：随机森林中的节理
作者： Alvaro H. C. Correia, Cassio P. de Campos
链接：https://arxiv.org/abs/2006.14937

【48】 Does the $\ell_1$-norm Learn a Sparse Graph under Laplacian Constrained Graphical Models?
标题：$ \ ell_1 $ -norm是否在拉普拉斯约束图形模型下学习稀疏图？
作者： Jiaxi Ying, Daniel P. Palomar
链接：https://arxiv.org/abs/2006.14925

【49】 Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts?
标题：自动车辆能否识别、恢复并适应分布变化？
作者： Angelos Filos, Yarin Gal
备注：Camera-ready version, International Conference of Machine Learning 2020
链接：https://arxiv.org/abs/2006.14911

【50】 Understanding Notions of Stationarity in Non-Smooth Optimization
标题：理解非光滑优化中的平稳性概念
作者： Jiajin Li, Wing-Kin Ma
备注：Accepted for publication in IEEE Signal Processing Magazine, 2020
链接：https://arxiv.org/abs/2006.14901

【51】 A Unified Framework for Analyzing and Detecting Malicious Examples of DNN Models
标题：分析和检测DNN模型恶意实例的统一框架
作者： Kaidi Jin, Ting Liu
链接：https://arxiv.org/abs/2006.14871

【52】 Orthogonal Deep Models As Defense Against Black-Box Attacks
标题：防御黑盒攻击的正交深度模型
作者： Mohammad A. A. K. Jalwana, Ajmal Mian
链接：https://arxiv.org/abs/2006.14856

【53】 Not all Failure Modes are Created Equal: Training Deep Neural Networks for Explicable (Mis)Classification
标题：并非所有故障模式都是平等的：训练深层神经网络进行可解释(MIS)分类
作者： Alberto Olmo, Subbarao Kambhampati
链接：https://arxiv.org/abs/2006.14841

【54】 GINNs: Graph-Informed Neural Networks for Multiscale Physics
标题：GINNS：用于多尺度物理的图信息神经网络
作者： Eric J. Hall, Daniel M. Tartakovsky
备注：20 pages, 8 figures
链接：https://arxiv.org/abs/2006.14807

【55】 Training Convolutional ReLU Neural Networks in Polynomial Time: Exact Convex Optimization Formulations
标题：多项式时间内训练卷积关系神经网络：精确凸优化公式
作者： Tolga Ergen, Mert Pilanci
链接：https://arxiv.org/abs/2006.14798

【56】 Q-Learning with Differential Entropy of Q-Tables
标题：利用Q-表的微分熵进行Q-学习
作者： Tung D. Nguyen, Hussein A. Abbass
链接：https://arxiv.org/abs/2006.14795

【57】 Pushing the Limit of Unsupervised Learning for Ultrasound Image Artifact Removal
标题：超声图像伪影去除的非监督学习极限
作者： Shujaat Khan, Jong Chul Ye
链接：https://arxiv.org/abs/2006.14773

【58】 Supermasks in Superposition
标题：叠加中的超级掩模
作者： Mitchell Wortsman, Ali Farhadi
链接：https://arxiv.org/abs/2006.14769

【59】 Deep Partition Aggregation: Provable Defense against General Poisoning Attacks
标题：深度分区聚合：针对一般中毒攻击的可证明防御
作者： Alexander Levine, Soheil Feizi
链接：https://arxiv.org/abs/2006.14768

【60】 PAC-Bayesian Bound for the Conditional Value at Risk
标题：条件风险值的PAC-Bayes界
作者： Zakaria Mhammedi, Robert C. Williamson
链接：https://arxiv.org/abs/2006.14763

【61】 DeltaGrad: Rapid retraining of machine learning models
标题：DeltaGrad：机器学习模型的快速再培训
作者： Yinjun Wu, Susan B. Davidson
链接：https://arxiv.org/abs/2006.14755

【62】 Proper Network Interpretability Helps Adversarial Robustness in Classification
标题：适当的网络可解释性有助于分类中的对抗健壮性
作者： Akhilan Boopathy, Luca Daniel
备注：22 pages, 9 figures, Published at ICML 2020
链接：https://arxiv.org/abs/2006.14748

【63】 Identification and Formal Privacy Guarantees
标题：身份识别和正式隐私保证
作者： Tatiana Komarova, Denis Nekipelov
链接：https://arxiv.org/abs/2006.14732

【64】 Asynchronous Multi Agent Active Search
标题：异步多代理主动搜索
作者： Ramina Ghods, Jeff Schneider
链接：https://arxiv.org/abs/2006.14718

【65】 Perspective Plane Program Induction from a Single Image
标题：从单个图像中归纳透视平面程序
作者： Yikai Li, Jiajun Wu
备注：CVPR 2020. First two authors contributed equally. Project page: this http URL
链接：https://arxiv.org/abs/2006.14708

【66】 Machine-Learning Driven Drug Repurposing for COVID-19
标题：机器学习驱动的COVID-19药物再利用
作者： Semih Cantürk, Jason Behrmann
备注：Submitted to NeurIPS 2020. 11 pages, 3 figures, 5 tables, 12 pages of appendices
链接：https://arxiv.org/abs/2006.14707

【67】 Learning Data Augmentation with Online Bilevel Optimization for Image Classification
标题：基于在线双层优化的图像分类学习数据增强
作者： Saypraseuth Mounsaveng, Marco Pedersoli
链接：https://arxiv.org/abs/2006.14699

【68】 MTAdam: Automatic Balancing of Multiple Training Loss Terms
标题：MTAdam：多个培训损失术语的自动平衡
作者： Itzik Malkiel, Lior Wolf
链接：https://arxiv.org/abs/2006.14683

【69】 Average-case Complexity of Teaching Convex Polytopes via Halfspace Queries
标题：基于半空间查询的凸多面体教学的平均案例复杂度
作者： Akash Kumar, Yuxin Chen
链接：https://arxiv.org/abs/2006.14677

【70】 Can 3D Adversarial Logos Cloak Humans?
标题：3D对抗性LOGOS能隐形人类吗？
作者： Tianlong Chen, Zhangyang Wang
链接：https://arxiv.org/abs/2006.14655

【71】 Influence Functions in Deep Learning Are Fragile
标题：深度学习中的影响函数是脆弱的
作者： Samyadeep Basu, Soheil Feizi
链接：https://arxiv.org/abs/2006.14651

机器翻译，仅供参考