2434 ورقة بحثية
تقدم الورقة البحثية OSSMM، وهو عصابة رأس قابلة للارتداء مفتوحة المصدر ومنخفضة التكلفة تستخدم أقطاب لياقة بدنية مُعاد توظيفها وتطبيق أندرويد لتصنيف أربع مراحل للنوم بدقة وتقديم قدرات التعديل، مما يثبت أن المراقبة العملية للنوم أمر ممكن باستخدام تكوينات أجهزة مبسطة ومتاحة.
تقدم هذه الورقة إطاراً للتنبؤ المطابق ذاتي الإشراف يستخدم التمهيد المتكافئ لتقدير عدم اليقين في المشكلات العكسية التصويرية غير محددة المعالم، مثل رسم خرائط كتلة العدسة الضعيفة، دون الحاجة إلى بيانات الحقيقة الأرضية للمعايرة.
تثبت هذه الورقة تجريبياً أنه كلما اقترب كسر المعاينة من الواحد الصحيح في المجتمعات المحدودة، يتضاءل تباين المعاينة إلى مستويات مهملة، مما ينقل المصدر الرئيسي لانحراف المُقدِّر من خطأ المعاينة العشوائية إلى الدقة العددية والآثار الحسابية، الأمر الذي يتحدى الافتراضات الاستدلالية التقليدية في بيئات البيانات ذات التغطية العالية.
تقدم هذه الورقة "درجة الجسر" (bridge score) لاستخلاص حدود حساسية حادة للارتباك بين الوسيط والنتيجة غير الملحوظ في تحليل الوساطة السببية، وتوفر طرق المعايرة وخوارزمية بايزية لتشغيل هذه الحدود من أجل الاستدلال القوي.
تقترح هذه الورقة إطار عمل استدلال قائم على المحاكاة يتسم بالمتانة، يستخدم تباعد النقل الأمثل المتين المستنير بتباعد كولباك-ليبلر، والمدعوم بخوارزمية التدرج الفرعي العشوائي المتقاربة وإجراء بوتستراب متوازٍ، لتقدير المعلمات وقياس عدم اليقين بشكل موثوق حتى عندما يكون النموذج الإحصائي غير محدد بدقة من حيث التباينات الهندسية وتفاوتات التباين الكلي.
تقدم هذه الورقة نموذج ماركوف الخفي البايزي الذي يستنتج التراتبيات الاجتماعية المتطورة كترتيبات جزئية من الامتدادات الخطية العشوائية الموجودة في "أعمال الملك" (Royal Acta) من القرن الثاني عشر، وهو ما نجح في قياس التغيرات في السلطة الأسقفية وكشف التحولات في سياسات البلاط التي تفشل نماذج التصنيف الأبسط في رصدها.
تقترح هذه الورقة نموذجاً خليطياً بايزياً غير معلمي بأوزان تعتمد مكانياً وعدد عشوائي من المكونات للكشف عن الحدود في البيانات المساحية باستخدام ملاحظات متعددة لكل وحدة دون الحاجة إلى متغيرات خارجية، مما يثبت فعاليته من خلال عمليات المحاكاة وتطبيق على عدم المساواة في الدخل في لوس أنجلوس.
تؤسس هذه الورقة للنظرية التقاربية لفئة واسعة من المقدرات المعدلة بالمتغيرات المصاحبة، بما في ذلك مقدرات M وطرق تعلم الآلة التكيفية مع البيانات، في ظل إعادة العشوائية وإعادة العشوائية الطبقية، مظهرةً أنه بينما تحافظ هذه التصاميم على الخطية التقاربية، إلا أنها قد تؤدي إلى توزيعات غير غاوسية ما لم يتم تعديل المتغيرات المصاحبة بشكل مناسب لاستعادة التوزيع الطبيعي التقاربي والكفاءة.
تقترح هذه الورقة إطار عمل لتقدير معدلات التعلم والمعلمات الفائقة في الاستدلال البايزي المعمم باستخدام بيانات محجوزة لاستخلاص التوزيعات البعدية للمعلمات الفائقة، مما يتيح التقدير المشترك لعدم اليقين ويُظهر أداءً محسناً مقارنة بالاستدلال البايزي القياسي في كل من مهام تحليل النصوص المحاكات والواقعية.
تقدم هذه الورقة تعديلاً يعتمد على الابتكار الممركز لنماذج "بيزيان ديريشليهت آر إم إيه" (Bayesian Dirichlet ARMA)، والذي، رغم كونه مكافئاً تنبؤياً للمواصفات القياسية، يحسن الاستقرار الحسابي بشكل كبير من خلال تقليل حالات التباعد في "هاميلتونيان مونت كارلو" (Hamiltonian Monte Carlo) الناتجة عن الهندسات البعدية المرضية في تدفقات عمل الإنتاج.