2447 ورقة بحثية
تقترح هذه الورقة إطار عمل بايزي غير معلمي يستخدم كوبولا غاوسية متعددة المتغيرات للتعريف وعملية ديريشليه سابقة غنية بالذرات المشتركة المتداخلة للتقدير، وذلك لتمكين تحليل الوساطة السببية في التجارب العشوائية العنقودية مع معالجة التداخل، والارتباك بعد المعالجة، والتعديل الهرمي للمتغيرات المصاحبة في آن واحد.
تقدم هذه الورقة مُقدِّراً ذا كفاءة حوسبية يتكون من خطوتين لنماذج اللوحة غير الخطية ذات التأثيرات الثابتة التفاعلية، والذي يتجنب الأمثلة غير المحدبة عالية الأبعاد باستخدام تنظيم النواة النووية لتهيئة خوارزمية التدرج التنازلي، مما يتيح استدلالاً واسع النطاق وممكناً يتسق مع النتائج النظرية القائمة.
تقدم الورقة البحثية BASIL، وهو إطار عمل بايزي قابل للتوسع يدمج مجموعات الجينات المشروحة في استدلال المتغيرات الكامنة لبيانات النسخ الوراثي، مما يتيح تحديد المسارات البيولوجية بشكل قابل للتفسير والتكرار دون الحاجة إلى أخذ عينات مكلف حاسوبياً أو ضبط يدوي للمعلمات الفائقة.
تقترح هذه الورقة إطار عمل مبتكرًا لتحسين التصاميم التجريبية بهدف تقليل متوسط مربع الخطأ في الحالة الأسوأ عند تقدير متوسط تأثير المعالجة العالمي في ظل وجود تداخل شبكي وتجانس، وذلك باستخدام البرمجة شبه المحددة مع التقريب الغاوسي وخوارزمية مشي غرام-شميت للموازنة بين هذه العوامل المتنافسة.
تكشف هذه الدراسة كمياً أن النماذج اللغوية الكبيرة واسعة الاستخدام ذات النسخ المجانية تظهر تبايناً كبيراً ومعدلاً مرتفعاً من الفشل التام (47.8%) عند استرجاع مراجع الأدبيات الطبية الدقيقة، مما يؤكد الحاجة الماسة للتحقق البشري من البيانات البيبليوغرافية التي ينشئها الذكاء الاصطناعي.
تقدم هذه الورقة خوارزمية "Multiple Jump MCMC"، وهي طريقة بسيطة وخالية من الرفض للاستدلال البايزي على فضاءات النماذج الثنائية، تتفوق بشكل كبير على النهج التقليدية في السرعة والقابلية للتوسع، كما يتضح من قدرتها على حل النماذج الرسومية الغاوسية واسعة النطاق بسرعة تفوق التقنيات الحديثة بمئات المرات.
تقدم هذه الورقة نسخة محدثة من خوارزمية Lookout للكشف عن الشذوذ باستخدام تقدير كثافة النواة مع عرض نطاق يعتمد على قطر موت ريبس (Rips death diameter)، مما يوفر ضمانات نظرية للاتساق، والتحجيم متعدد المتغيرات القوي، وتحسين الأداء عبر أمثلة متنوعة مقارنة بسابقتها.
تُظهر هذه الورقة أن اختبار كوشي التوليفي القياسي يفشل في الحفاظ على الحجم الدقيق عند مستويات دلالة ثابتة في ظل وجود اعتمادية مع نمو عدد الاختبارات، وتقترح نسخة مُعايرة بطبقة حدودية (BL-CCT) تعالج هذا التشوه من خلال ضبط التوزيع المرجعي بدلاً من إحصائية الاختبار، مما يحقق الدقة التقاربية في ظل ظروف ارتباط أضعف.
تقترح هذه الورقة إطار عمل مستوحى من الكم ينمذج التباين في سلوك السائقين كحالات كامنة متطورة متمثلة في مصفوفات كثافة، وذلك باستخدام سمات "راوند فورييه" العشوائية غير الخطية والديناميكيات الزمنية المعتمدة على السياق لاستخراج وتحليل السمات السلوكية من بيانات القيادة التجريبية.
تقدم هذه الورقة نموذجاً مكانياً متعدد الحدود ذو رتبة منخفضة وقابلاً للتعريف للبيانات الفئوية عالية الأبعاد، يستخدم عوامل كامنة مشتركة لتقليل المعلمات، ويوظف عينة جيبس مبتكرة مع مقترحات تقريب لابلاس للتغلب على قيود الاستدلال القياسية، ويبرهن على أداء قابل للتوسع من خلال المحاكاة وتطبيق واقعي على رسم خرائط أنواع الأشجار.