JMLR

SoftMCC: An MCC-Brier Calibration Bridge for Threshold-Free Model Selection under Class Imbalance

SoftMCC：用于类别不平衡下无阈值模型选择的MCC-Brier校准桥梁

Özkan Canay

机构 * Sakarya University（萨卡里亚大学） 纠错

AI总结 SoftMCC是一种用于类别不平衡二分类的无阈值模型选择框架，耦合MCC校准恒等式与共享池选择协议，在18种设置中稳定性排名最优，为校准敏感的MCC家族选择器。

Comments 28 pages, 4 figures. Submitted to the Journal of Machine Learning Research

When Can Depth Replace Precision? A Resource Theory of Quantized Neural Computation

深度何时能取代精度？量化神经计算的资源理论

Mojtaba Soltanalian

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 研究固定输入输出映射下低比特残差计算能否取代数值精度，通过建模量化残差系统刻画无限深度极限，得出纯调度接近松弛类的速率等结论，还探讨了多种相关情况，指出深度取代精度有条件限制。

Comments 141 pages, 26 figures, 15 tables. Includes complete proofs and documents the QReplace decision-support and Lean 4 verification companions. To be submitted to the Journal of Machine Learning Research

An Analysis of Posterior Collapse, Parameterization and Initialization in Variational Deep Gaussian Processes

变分深度高斯过程中的后验坍缩、参数化和初始化分析

Francisco Javier Sáez-Maldonado, Juan Maroñas, Daniel Hernández-Lobato

机构 * Department of Computer Science and Artificial Intelligence（计算机科学与人工智能系） ； Universidad de Granada（格拉纳达大学） ； Department of Quantitative Methods（定量方法系） ； CUNEF Universidad Madrid, Spain（CUNEF马德里大学, 西班牙） ； Department of Computer Science and Centro de Investigación Avanzada en Física Fundamental（计算机科学系和先进物理基础研究中心） ； Universidad Autónoma de Madrid（马德里自治大学） 纠错

AI总结 研究变分深度高斯过程的后验坍缩问题，发现线性先验均值函数的优势源于改善初始化时的优化条件，提出零先验均值的替代初始化方法，避免后验坍缩并提升稳定性。

Comments Submitted to the Journal of Machine Learning Research

Bayesian Model Averaging under Predictor Redundancy via Density-Ratio Posterior Compression

预测变量冗余下基于密度比后验压缩的贝叶斯模型平均

Hanqing Li, Xuewen Lu, Yuting Chen

机构 * Department of Mathematics and Statistics（数学与统计学系） ； University of Calgary（卡尔加里大学） ； Eastern Kentucky University（东部 Kentucky 大学） 纠错

AI总结 针对预测变量冗余导致后验质量分散的问题，提出通过密度比后验压缩生成硬或软支持区域报告，提供可计算的失真度量、诊断指标和误差界，实现用少量区域替代大量单个支持并保持主要后验信息。

Comments 48 pages, 6 figures. The manuscript uses the JMLR style file. Source code and reproducibility materials are available at https://github.com/lihanqing1997/bayesian-model-averaging-under-predictor-redundancy