2447 ورقة بحثية
تقدم هذه الورقة إطار عمل للانحدار غير المعتمد على التوزيع باستخدام الملاحظات الزائفة لتقدير تأثيرات مان-ويتني الشرطية لكل من النتائج الترتيبية والنتائج الخاضعة للرقابة من جهة اليمين، مما يوفر تقديرات معاملات متسقة واختبارات فرضية قائمة على طريقة البوتستراب التي تم التحقق من صحتها من خلال المحاكاة والتطبيق على بيانات بقاء سرطان الثدي.
تقدم هذه الورقة البحثية GLIP، وهو إطار عمل غير معلمي يعيد صياغة تعلم الرسوم البيانية كبرنامج متكامل مختلط لضمان الحلول المثلى عالمياً لمختلف هياكل الرسوم البيانية، متفوقاً بذلك على الأساليب الحالية في كل من السرعة والدقة مع دعم رسوم بيانية أكبر.
تقترح هذه الورقة وتطور مقادير سببية ومقدرات كفؤة لتقييم آثار اللقاحات على نتائج ما بعد العدوى تحديداً ضمن طبقة "المصابين طبيعياً"، معالجةً بذلك أوجه القصور في الطرق الحالية التي تركز على طبقة "المحتوم عليهم" من خلال تقديم نتائج تحديد تحت فرضيات دنيا وإثبات فائدتها في إعادة تحليل تجربة لقاح فيروس الروتا.
تقترح هذه الورقة إطار عمل للاستدلال الاتحادي بلمحة واحدة (one-shot) يتميز بالخصوصية التفاضلية للنماذج الخطية المختلطة، حيث يعيد بناء احتمالات التجميع من الإحصاءات الملخصة للمواقع المضطربة، مما يوفر تقديراً صالحاً لعدم اليقين وتوازناً ملائماً بين حماية الخصوصية ودقة التقدير عبر مواقع متعددة.
تقدم هذه الورقة طريقة مبتكرة تجمع بين الاستدلال المطابق وتقنيات البيانات المفقودة الراسخة لتوليد فترات تنبؤ قوية ودقيقة لآثار العلاج الفردية، مما يعالج بفعالية تحديات التناقص في التجارب حيث تفشل النهج التقليدية غالباً بسبب الافتراضات القوية.
تحدد هذه الورقة عيوباً نظرية في منحنى بيتا لورينز المستخدم على نطاق واسع، وتقترح عائلة مصححة من منحنيات لورينز ذات المعالم الأربعة، وتثبت من خلال تحليل تجريبي مكثف أن هذا النموذج الجديد يتفوق على مواصفات التربيع العام القياسية في تقدير الفقر وعدم المساواة بدقة من البيانات المجمعة للدخل.
تقترح هذه الورقة "درجات إزالة الارتباط" (deconfounding scores) كفئة من تمثيلات الميزات لتحسين تقدير الأثر السببي في ظل ضعف التداخل، مبرهنةً نظرياً وتجريبياً أن الدرجات الإنذارية هي الأمثل لتقليل تباعد التداخل ضمن النماذج الخطية المعممة ذات الميزات الغاوسية.
تستعرض هذه الورقة وتُعيد محاكاة إطار عمل "لاسو" (LASSO) منزوع الانحياز لـ جافانمارد ومونتานاري (2014) للاستدلال عالي الأبعاد، مع توسيع التحليل ليشمل "لاسو" منزوع التجزئة، وتوضيح أنه في حين يضمن نهج إزالة الانحياز إجراء اختبارات فرضية صالحة، فإن مُقدّر إسقاط "لاسو" يقدم قدرة تمييزية فائقة في محاكاة الإشارات المنخفضة، بينما يثبت النهج الأصلي أنه أكثر متانة بالنسبة للبيانات الجينومية الواقعية ذات هياكل الارتباط المعقدة.
تقدم هذه الورقة استراتيجية أخذ العينات القائمة على تكامل البيانات بمساعدة النماذج (MADI)، والتي تجمع بين البيانات غير الاحتمالية وعينة احتمالية مستهدفة ونماذج تعلم آلي تعسفية لإنتاج تقديرات غير متحيزة للتصميم ذات تباين أقل بكثير من مقدرات المسح التقليدية.
تقترح هذه الورقة إطار عمل للتحليل العاملي الوظيفي متعدد المجموعات بنهج بايزي، والذي يستخدم قواعد "بي-سبلاين" (B-spline) وأولوية الانكماش التراكمي الموسعة بالمعلمات لنمذجة البنى الكامنة الخاصة بكل مجموعة والمشتركة في البيانات الوظيفية بشكل مشترك، مع تحديد عدد العوامل النشطة تلقائياً والتمييز بفعالية بين التباينات المشتركة والمتميزة، كما هو موضح من خلال عمليات المحاكاة وتطبيق على بيانات تخطيط كهربائية الدماغ (EEG).