110 件の論文
2022年および2024年の健康情報全国トレンド調査（HINTS）のデータを用いた本研究は、政府の保健機関に対する信頼が気候変動を健康リスクと認識するかどうかの最も強力な予測因子である一方で、科学者への信頼は時間の経過とともに弱まり、関連性が減少しており、医師への信頼は有意な要因ではないことを明らかにしている。
この実証研究は、技術分野における成人学習者の認知適応速度は、初期の知的潜在能力ではなく、主に知的謙虚さとエゴノイズの比率によって決定されるという数学的モデルを検証しており、エゴノイズを最小化することが正解のプラトーに到達するまでの時間を大幅に加速させることを示している。
本論文は、リスクセット・サンプリングを利用することで予測性能を維持または向上させつつ、学習時間を大幅に削減するスケーラブルなランダム生存フォレスト手法を提案しており、この手法は現在、広く利用されているRパッケージ「ranger」に実装されている。
本論文は、右側リーマン・リウヴィル分数積分演算子を介して生成される、パレート型の分布の新しい柔軟な族を紹介するものであり、これは裾の挙動を制御するための理論的に裏付けられたメカニズムを提供し、既存のモデルと比較して、ヘビーテイルな実世界のデータをモデリングする上で優れた性能を示すものである。
本研究は、4つの国の医療データベースにわたる大規模な傾向スコア調整戦略を評価し、Crumpトリミングを用いた逆確率重み付け法と1:1マッチングが概して最良の性能を示すものの、単一の戦略が普遍的に優れているわけではなく、選択を導くための診断と経験的なキャリブレーションの使用が必要であると結論付けている。
本研究は、チェルノブイリ立ち入り禁止区域における希薄なUAVベースの放射線モニタリングデータを効果的に再構成するためにガウス過程回帰を利用した不確実性を考慮した確率論的フレームワークを提案するものであり、従来の補間手法よりも精度において優れているだけでなく、情報に基づいた環境意思決定に不可欠な空間的不確実性の推定値を提供する。
本論文は、最小限のモーメント条件（有限な ）の下で最適な収束率と変数選択の一致性を達成する、高次元回帰のためのロバストな正則化M推定量のクラスを導入するものであり、重い裾を持つ分布、歪んだ分布、または汚染された誤差を扱う際において、シミュレーションおよび実世界のゲノム解析への応用における既存の手法を凌駕するものである。
本論文は、高次元データセットにおけるノイズと計算上の課題に効果的に対処する、安定性に基づくチューニング基準を備えた新しい凸最適化手法であるSparse Convex Biclustering (SpaCoBi) を提案しており、既存の最先端のバイクラスタリング技術と比較して優れた精度と堅牢性を実証している。
本論文は、複合的な品質評価を回帰モデルの共変量として含めることが、構造的予測因子の推定効果を系統的に減衰させる循環バイアスを導入することを実証しており、この手法上の危険性は、CMS（Centers for Medicare & Medicaid Services）の病院再入院データおよびモンテカルロ・シミュレーションを通じて確認されている。
本研究は、階層ドリフト拡散モデリングによって明らかになったように、知覚された資源の希少性が、特に客観的リスクが高い状況下において、リスクの高い選択肢へのドリフト率を加速させることで、リスクの高い意思決定を増加させることを示している。