109 件の論文
米国の全国調査に適合させた合成データセットに対して教師あり機械学習パイプラインを用いた本研究は、構造的な社会経済的要因、特に教育と職業階級が健康の脆弱性の主要な予測因子であることを示しており、これらは特徴量の重要性の82%を説明し、行動学的説明よりも基本的要因理論を支持している。
本論文は、高エネルギー物理学における統計モデルのための、実装に依存せず、人間が読み取り可能で、拡張性のある新しいシリアル化標準であるHS3を紹介するものであり、多様なソフトウェアフレームワーク間で機械判読可能な相互運用性、長期保存、およびFAIRデータ原則を可能にすることで、既存のフォーマットの限界を克服するように設計されている。
本研究は、アイソレーションフォレストによる異常検知と線形混合効果モデルを組み合わせたハイブリッドなアプローチが、初期超音波検査の欠如や不整合な記録保持という課題を効果的に克服し、リソースの乏しい環境における矛盾する日常的な臨床データから、信頼性が高く最適化された妊娠成立日を合成できることを実証している。
本研究は、非線形な予算および時間制約下における多変量層化抽出のための共分散考慮型妥協配分フレームワークを提案し、共分散による相互作用を組み込むことが、従来の手法と比較して最適なサンプル配分と精度の向上をもたらすことを数値解析を通じて実証するものである。
本研究は、ケニアの2000年から2023年における妊産婦死亡率データに対し、ブートストラップ法による不確実性定量化を用いた2状態マルコフ・スイッチング・モデルを採用することで、構造的な保健システムの変容に起因する明確な高死亡および低死亡のレジームを明らかにし、同国の妊産婦健康の軌跡が連続的な線形トレンドではなく、持続的なレジーム・シフトによって特徴付けられることを示している。
本研究は、偏差の大きさに応じて平滑化パラメータを動的に調整することにより、微小および重大な両方の多変量プロセスシフトを同時に検出する上で従来のモデルを凌駕する、動的Huber重み付け適応型EWMA Max-M統計量を提案しており、これはシミュレーションおよび工業用セメントクリンカーデータを通じて検証されている。
本論文は、従来の補完手法による性能低下を回避するために、受理された申請者の重み付けを変更して母集団の合計値に一致させることで、一貫性と漸近正規性を証明しつつ、モデルの誤設定下においても母集団のリスク較正を大幅に改善し、かつ識別能を維持する、リジェクト推論のための新しい補助調査強化型キャリブレーション・フレームワークを提案する。
本研究は、ペナルティ付き回帰、ブートストラップ安定選択、およびSHAPに基づく説明可能な機械学習を統合し、試験のプレッシャーや睡眠時間といった主要な予測因子を特定しながら、モデルの透明性と再現性を確保しつつ、学生のストレスを正確に予測する解釈可能な統計的学習フレームワークを提案し、検証するものである。
本研究は、反復的な適応的意思決定における信頼、模倣、および探索のバランスをモデル化する社会進化アルゴリズム（SEA）フレームワークを導入し、債務割り当てタスクにおける10の異質なコホートにわたり、その競争力のある性能と解釈可能性を検証するものである。
本論文は、著者の科学的インパクトとhコア論文における共著者の数との間の不均衡を定量化するために設計された新しい指標である、共著格差指数（Coauthorship Disparity Index: CDI）を提案し、それによってギフトオーサーシップやゲストオーサーシップといった共著の乱用事例の特定を支援するものである。