2447 ورقة بحثية
تقترح هذه الورقة نموذج خليط متكيف مع القالب يستفيد من محاكاة متعددة منحازة لإجراء استدلال بارامتري قوي قائم على البيانات لتقدير كسر الإشارة، مما يخفف بفعالية من عدم تطابق المحاكاة والبيانات في تحليلات فيزياء الجسيمات المعقدة.
تقدم هذه الورقة TRECOR، وهو إطار عمل للارتباط التغايري البايزي ينمذج بيانات الميكروبيوم ذات التضخم الصفري عبر توزيع طبيعي كامن قائم على شجرة تطورية لاستنتاج إعادة تشكيل الشبكة المعتمدة على المتغيرات بشكل فعال، متفوقاً بذلك على الأساليب الحالية وكاشفاً عن شبكات متباينة هامة مرتبطة بالعمر والنظام الغذائي في بيانات الميكروبيوم المعوي.
تقترح هذه الورقة طريقة لتعلم التمثيل القائم على البيانات تعمل على تحسين دالة هدف غير محدبة على متنوية ستيفل (Stiefel manifold) لتحديد الفضاءات الجزئية الخطية الثابتة، مما يقلل بفعالية من تحولات المفاهيم الناتجة عن العوامل المربكة غير المرصودة في تكييف النطاق ويحقق مخاطر مستهدفة قريبة من المثالية.
تقدم هذه الورقة إطاراً عاماً قائماً على مفهوم "الخصائص" لاستنباط وتحليل شروط الصحة لخوارزميات التعلم السببي القائمة على القيود، مما يسفر عن شروط دقيقة لخوارزمية PC ويوضح أن التمثيل الماركوفي الأكثر ندرة هو الشرط الأضعف لمخرجات الرسم البياني الأدنى، بينما عدم كفاية "الحد الأدنى لبيرل" وحده لتخفيف شرط الإخلاص.
تقترح هذه الورقة طريقة مبتكرة تجمع بين إحصاء القيم المتطرفة والتنبؤ المطابق لتوليد فترات تنبؤ موثوقة ومعلوماتية للأحداث عالية التأثير، متجاوزةً بذلك بفعالية قصور طرق المطابقة الكلاسيكية التي تنتج فترات غير مفيدة وواسعة للغاية عند اشتراط مستويات ثقة عالية بالنسبة لبيانات المعايرة المحدودة.
تقدم هذه الورقة إطاراً بايزياً بحتاً تم تنفيذه في لغة R باستخدام حزمة brms لتقدير أحجام التأثير داخل المجموعات وبين المجموعات في البحوث التربوية، مع مراعاة هياكل البيانات متعددة المستويات والتباينات غير المتجانسة، بينما تقدم توصيات محددة لحساب المقاييس المعيارية مثل و لتقييم فعالية التدخل عبر تصميمات دراسية مختلفة.
تقدم هذه الورقة نموذج نمذجة المعادلات الهيكلية القائم على العوامل والمركبات (FC-SEM)، وهو إطار عمل مبتكر يدمج بسلاسة كلاً من العوامل المشتركة والمركبات في بنية نماذج المعادلات الهيكلية التقليدية، مما يمكّن الباحثين من استخدام المقدرات القياسية والاستفادة من الأدوات الراسخة لتقييم النماذج، ومعالجة البيانات المفقودة، ومقارنات المجموعات دون زيادة في تعقيد التوصيف.
تقدم هذه الورقة البحثية مُعايرًا يعتمد على التعلم الآلي الخاضع للإشراف باستخدام شبكة الذاكرة الطويلة قصيرة المدى ثنائية الاتجاه (BiLSTM) لاستنتاج بارامترات نموذج (SIR) بسرعة ودقة من السلاسل الزمنية الوبائية، مما يظهر أداءً فائقًا من حيث الدقة والضبط والسرعة الحسابية مقارنة بطرق الحوسبة البايزية التقريبية التقليدية لمعايرة النماذج الوبائية القائمة على الوكلاء.
تقترح هذه الورقة إطاراً موحداً للاستدلال السببي يستبدل قيود عدم السلبية الصارمة على أوزان المقدر بعقوبة تنظيمية ناعمة على الاستقراء، مما يؤسس لمقايضة "تحيز-تحيز-تباين" مبتكرة توازن بين عدم توازن الميزات، وسوء توصيف النموذج، والتباين لتحسين التعميم، لا سيما في الإعدادات عالية الأبعاد ذات الإيجابية الضعيفة.
تحلل هذه الورقة المقايضات بين طريقة المربعات الصغرى ذات المرحلتين (2SLS) التقليدية وطريقة المربعات الصغرى ذات المرحلتين مع التأثيرات الثابتة (2SFE) لتقدير الآثار السببية في البيانات المتكتلة تحت إطار أثر العلاج للمتوسط المحلي (LATE)، مظهرةً أنه بينما تقدم كلتا الطريقتين استدلالاً صالحاً في التكتلات المتجانسة، فإن طريقة (2SFE) تحدد متوسطاً مرجحاً لآثار (LATE) الخاصة بكل تكتل في الإعدادات غير المتجانسة، وقد اقتُرحت مع اختبار للكشف عن هذا النوع من عدم التجانس.