259 件の論文
この論文は、重み崩壊を回避し非ガウス性や非線形性を扱える逐次マルコフ連鎖モンテカルロ法に基づき、2 つの局所化戦略を提案し、高次元の気象・海洋モデルや SWOT 衛星などの実データを用いて、従来の局所アンサンブル変換カルマンフィルタよりも頑健なデータ同化手法を確立したことを報告しています。
この論文は、動物の音声コミュニケーションにおける発声の時間的依存性（興奮と抑制）をモデル化するために、加法的興奮と乗法的抑制を組み合わせた多変量ホークス過程を提案し、メerkat とクジラのデータを用いた実証分析を通じてその有効性を示しています。
本論文は、切断歪み正規分布のパラメータ推定における数値的不安定性を解消するため、形状パラメータをグリッド上で固定しモーメント法と尤度比較を組み合わせる「GRID-MOM」と呼ばれる新しい推定手法を提案し、数値実験と実データ分析を通じてその有効性を示したものである。
この論文は、メンデルランダム化解析における勝者の呪いとサンプル構造の両方を同時に考慮し、より正確な因果効果推定を可能にする「二変量再無作為化逆分散加重推定量（BRIVW）」を提案するものである。
このスコーピングレビューは、臨床研究における高次元共変量や患者集団の不均一性に対処するため、共変量に基づくクラスタリングとアウトカムモデルを統合した手法（インフォームド・クラスターモデルとアノスタック・クラスターモデル）を体系的に概観し、リスク層別化やサブグループ特異的治療効果の推定などへの応用可能性を論じています。
この論文は、複雑な公衆衛生介入パッケージの最適化と試験失敗リスクの低減を目的とした「Learn-As-you-GO（LAGO）」デザインを提案し、その手法をインドの BetterBirth 研究や米国・サブサハラアフリカでの HIV などの実証研究を通じて説明しています。
本論文は、大規模な空間方向データ（例えば津波やハリケーンに伴う波の向きなど）の分析において、既存のラップドガウス過程モデルの計算コストの課題を克服し、スパースな精度行列構造を活用したラップドガウスマルコフ確率場（WGMRF）モデルを提案し、インド洋の 2004 年津波データを用いた実証を通じて、その予測精度とスケーラビリティの優位性を示したものである。
この論文は、メタ回帰における相互作用効果の検出において、線形モデルが厳密な線形性を仮定する際に優位性を示す一方、非線形な相互作用が存在する場合には安定性選択を用いたランダム効果ツリーなどの木ベースの手法がより頑健な代替手段となり得ることを、実データとシミュレーション研究を通じて示している。
この論文は、3 つの世帯調査データを組み合わせたベイズ時空間モデルを用いて、セントラル・プージェット・サウンド地域における郡内レベルの住宅移転（ディスプレースメント）を推定し、その地域差や 2020〜2021 年における一時的な減少傾向を明らかにしたものである。
本論文は、分布値の予測変数からスカラー応答を予測する分布回帰問題に対し、BART 事前分布を付与した Riesz 表現体を線形汎関数としてモデル化するベイズ非パラメトリック手法「DistBART」を提案し、その理論的保証、カーネル法との関連性、および大規模データ向けのスケーラブルな近似法を確立したものである。
本論文は、肝臓の MRI 画像から得られる機能性放射線特徴量（EPM）と従来の構造的放射線特徴量を統合した「強化された放射線特徴量」を開発し、肝がんの診断およびリスク層別化において、従来の手法を上回る高い精度を達成したことを報告しています。
本論文は、モンテカルロシミュレーションを通じて有限選択モデルにおける増強パラメータの感度を分析し、過剰な増強が推定量の安定性を損なう一方で、適切な増強は共変量のバランスを改善しつつ推定効率を維持することを示し、実用的な設計指針を提供しています。
本論文は、スパースに観測された縦断データから機能的主成分スコアの予測分布を導出する手法を提案し、観測数が増加するにつれてその分布が真のスコアに収束することや、機能線形モデルにおける予測の非整合性に対処するための漸近的収束率を確立することを示しています。
この論文は、条件付き平均処置効果（CATE）推定における表現学習の次元削減によって生じる交絡バイアスの上下界を推定するための、表現に依存しない新たな反証フレームワークを提案し、その理論的基盤と実効性を示したものである。
この論文は、ReLU 分類器を訓練してデータ情報行列（DIM）を導出することで、高次元データ空間に特異葉構造を自然に定義し、その幾何学的性質とデータ間の距離測定による知識転移の可能性を実証しています。
本論文は、線形ガウス型や離散型に限らず、条件付き指数分布族や非パラメトリックモデルなど多様なベイズネットワークにおいて、忠実なパラメータが位相的に稠密かつ開集合をなす「典型的」なものであることを示し、これにより制約ベースの因果発見アルゴリズムの一致性が保証されることを証明しています。
この論文は、医療治療の安全性と有効性を評価する際に不可欠な治療効果の確率的なばらつき（アレイタリック不確実性）を定量化するため、条件付き治療効果分布の鋭い境界を推定する新しい直交学習器「AU-learner」を提案し、その完全パラメトリックな深層学習実装を示すものである。
この論文は、離散または連続な処置変数と非定常な効果を扱う加法的非線形モデルにおいて、未観測の交絡因子が存在する状況でも無効な道具変数を検出するための「補助的独立性テスト（AIT）」条件を提案し、その理論的妥当性と実データによる有効性を検証したものである。
この論文は、ランダム効果パネルデータモデルにおいて、ハウスマン検定を補完し、単一のモデルからパラメータ固有の有限サンプルバイアス推定値とパーミュテーションに基づく p 値を提供する新しい診断手法を提案し、実証例を通じてその実用的な応用可能性を示すものである。
この論文は、事前分布が未知である現実的な状況に対応するため、予測性能に基づいて事前分布を排除する「PE-GP-TS」と二重のトンプソンサンプリングを用いる「HP-GP-TS」という 2 つのアルゴリズムを提案し、それらの累積後悔の理論的上界を導出するとともに、合成データおよび実世界データを用いた実験でその有効性を示すものである。