Towards a Statistical Understanding of Mixture-of-Experts
本文通过局部聚合视角分析混合专家模型，探讨路由、稀疏激活和共享专家等设计选择的统计作用，分离出逼近误差、专家学习误差和路由器估计误差。
0 citationsRead paper
Selected work
Representative Papers
Power and sample size calculations for causal mediation analysis with a binary mediator in randomized trials
本文解决了随机试验中二元中介变量的因果中介分析样本量不足的问题，通过开发NIE和NDE的分析功率和样本量公式来解决。
0 citationsRead paper
A Unified Descriptive-Complexity Framework for Model Selection under Correlated Designs
本文提出了一种描述复杂性信息准则（DCIC）来解决强预测变量依赖性和模型类别不确定性下的模型选择问题，通过Kraft可接纳码长进行正则化。
0 citationsRead paper
MoFE: A Novel Mixture-of-Experts Framework with Fourier Neural Operators for Cryptocurrency Forecasting
本文提出MoFE框架，结合傅里叶神经算子与专家混合架构，有效解决加密货币价格预测中的非平稳性和复杂动态问题。
0 citationsRead paper
Transporting Trial Evidence Under Posterior Drift and Possible Hidden Confounding
研究提出一种鲁棒后验漂移框架，通过结合随机试验和观察研究数据，解决可能存在的隐藏混淆问题，以估计目标人群的平均治疗效果。
0 citationsRead paper
Recent publications
Latest Papers
Towards a Statistical Understanding of Mixture-of-Experts
本文通过局部聚合视角分析混合专家模型，探讨路由、稀疏激活和共享专家等设计选择的统计作用，分离出逼近误差、专家学习误差和路由器估计误差。
0 citationsRead paper
Power and sample size calculations for causal mediation analysis with a binary mediator in randomized trials
本文解决了随机试验中二元中介变量的因果中介分析样本量不足的问题，通过开发NIE和NDE的分析功率和样本量公式来解决。
0 citationsRead paper
A Unified Descriptive-Complexity Framework for Model Selection under Correlated Designs
本文提出了一种描述复杂性信息准则（DCIC）来解决强预测变量依赖性和模型类别不确定性下的模型选择问题，通过Kraft可接纳码长进行正则化。
0 citationsRead paper
MoFE: A Novel Mixture-of-Experts Framework with Fourier Neural Operators for Cryptocurrency Forecasting
本文提出MoFE框架，结合傅里叶神经算子与专家混合架构，有效解决加密货币价格预测中的非平稳性和复杂动态问题。
0 citationsRead paper
Transporting Trial Evidence Under Posterior Drift and Possible Hidden Confounding
研究提出一种鲁棒后验漂移框架，通过结合随机试验和观察研究数据，解决可能存在的隐藏混淆问题，以估计目标人群的平均治疗效果。
0 citationsRead paper