219 편의 논문
이 논문은 심한 구간 중도절단 (current status) 데이터를 가진 점진적 다상태 모델에서 이전 상태 점유 조건 하의 상태 진입 시간 분포를 추정하기 위해 경쟁위험 개념을 활용한 두 가지 비모수적 추정법을 제안하고, 시뮬레이션 및 유방암 환자 데이터를 통해 그 유효성을 입증합니다.
이 논문은 중도절단된 생존 데이터를 위해 절단된 평균 생존 시간과 버퍼링된 생존 확률을 최대화하는 두 가지 강건한 기준을 제안하고, 이를 학습하기 위한 샘플링 기반 차분-볼록 알고리즘을 개발하여 AIDS 임상 시험 데이터를 포함한 시뮬레이션 및 실제 데이터 분석을 통해 기존 방법보다 우수한 성능을 입증했습니다.
이 논문은 고충실도 데이터에 대한 매개변수 모델 적합을 효율화하기 위해 저충실도 데이터를 활용하는 세 가지 다중 충실도 추정 방법 (공동 최대우도, 모멘트 추정, 주변 최대우도) 을 제안하고, 특히 극값 분석 및 극단적인 선박 운동 발생 정량화 사례에 적용하여 그 유효성을 입증합니다.
이 논문은 Vecchia 근사 기반 가우시안 프로세스의 확률론적 및 통계적 성질을 체계적으로 분석하여, 부모 집합 선택 전략을 제안하고 비모수 회귀 모델에서 최적의 수렴 속도를 보장하는 이론적 근거를 마련했습니다.
이 논문은 소지역 평균의 경험적 최적 선형 예측 구간에서 피벗의 존재 여부가 오차 차수에 미치는 영향을 분석하고, 피벗이 부재할 경우 기존 부트스트랩 방법의 한계를 지적하며 이를 해결하기 위해 제안된 이중 부트스트랩 기법의 유효성을 이론적 및 시뮬레이션을 통해 입증합니다.
이 논문은 대규모 네트워크의 모델 선택 및 매개변수 조정을 위해 하위 네트워크를 중첩된 부분으로 분할하여 효율적이고 정확한 교차 검증을 가능하게 하는 NETCROP 방법을 제안합니다.
이 논문은 기존의 메타분석 방법론이 비선형 효과 측정치에서 인과적 해석의 한계를 보인다는 점을 지적하고, 개인 수준의 데이터 없이도 적용 가능한 새로운 인과적 집계 공식을 제안하여 실제 연구에서 기존 방법과 상충되는 위험한 결론을 도출할 수 있음을 입증했습니다.
이 논문은 적응형 중재의 효과성을 높이기 위해 치료 수정 결정을 안내하는 '맞춤 변수'를 체계적으로 개발하고 최적화하기 위한 방법론적 프레임워크를 제시하며, 특히 2 차 데이터 분석의 한계를 보완할 수 있는 최적화 무작위 대조 시험과 같은 실험적 설계의 중요성을 강조합니다.
이 논문은 새로운 균형 손실 함수를 도입하여 두 분포의 밀도 비율을 추정하는 가법 트리 모델을 제안하고, 이를 통해 효율적인 학습과 베이지안 불확실성 정량화를 가능하게 하며, 특히 미생물군집 데이터와 같은 고차원 데이터에서 생성 모델의 품질 평가에 효과적임을 입증합니다.
이 논문은 중도절단이나 탈락과 같은 간섭 사건으로 인해 기존 분석이 제한받는 종단 연구에서, 사건 발생 직전까지의 관측 데이터를 기반으로 한 '쌍별 마지막 관측 시점 (PLOT)' 추정량을 제안하여 구조적 가정 없이도 강건한 치료 효과를 평가하는 새로운 방법을 제시합니다.
이 논문은 무작위 대조 백신 시험에서 맹검이 깨졌을 때 발생할 수 있는 행동적 편향을 고려하여, 감염 위험과 백신 접종에 대한 신념 간의 공통 원인 부재라는 강력한 가정 없이도 백신 효과를 비모수적으로 경계하는 방법을 제안하고 선형 프로그래밍 및 단조성 기반 접근법을 통해 다양한 인과 구조 하에서의 성능을 검증합니다.
이 논문은 기상 패턴, 발전 기술, 가격 형성 간의 복잡한 인과 관계를 학습하고 가변적 인과 그래프를 구축하여 다양한 재생에너지 시나리오에 대한 반사실적 추론이 가능한 에너지 시장용 증강 시간 계열 인과 모델 (ATSCM) 을 제안합니다.
이 논문은 기존 생성 모델의 한계를 극복하고 반사실적 분석을 가능하게 하기 위해 변이 오토인코더와 구조적 인과 모델을 결합한 '시계열 신경 인과 모델 VAE(TNCM-VAE)'를 제안하며, 인과적 제약을Decoder 아키텍처와 인과적 와asserstein 거리를 통해 구현하여 금융 시장 시뮬레이션의 정밀도를 크게 향상시켰음을 보여줍니다.
이 논문은 리더 - 팔로워 상호작용에 Pearl 의 인과 계층을 도입한 순차적 인과적 다중 에이전트 시스템 (S-CMAS) 을 제안하고 이론적 분석을 수행했으나, 50 회 이상의 시뮬레이션과 합성 예시를 통해 합리적 최선 대응을 전제로 한 역산 (backward induction) 하에서는 고전적 스택버그 균형 대비 후생 개선 효과가 전혀 나타나지 않는다는 부정적 결론을 도출하여, 합리적 선택에 기반한 고전적 게임 이론 프레임워크가 인과적 추론의 이점을 포착하는 데 근본적인 한계가 있음을 시사합니다.
이 논문은 부호 네트워크의 강·약 균형을 동시에 모델링할 수 있는 부호 블록 -모델을 제안하고, 이 모델의 식별 가능성과 점근적 일관성을 수학적으로 증명하며 효율적인 추정 알고리즘을 개발하여 실제 국제 관계 네트워크 분석에 적용했습니다.
이 논문은 다양한 환경에서 최대 리스크를 최소화하는 원칙 (MaxRM) 을 기반으로 한 랜덤 포레스트 변형 알고리즘을 제안하고, 효율적인 계산 방법과 통계적 일관성을 증명하며 MSE, 보상, 후회 (regret) 등 세 가지 리스크 지표에 적용 가능한 것을 보여줍니다.
이 논문은 프라이버시 제한 환경에서도 적용 가능한 제어변량 기반 전이학습 추정량을 개발하여 기능적 선형 회귀 분석의 성능을 향상시키고, 기존 오프셋 전이학습과의 이론적 연결고리를 규명하며 이산 관측으로 인한 평활화 오차를 고려한 수렴 속도를 제시합니다.
이 논문은 LLM 워터마크 검출을 위한 시계열적 가설 검정 프레임워크를 제안하여, e-process 를 기반으로 한 적응적 검정 방법을 개발하고 이론적 성능과 실험적 우수성을 입증합니다.
이 논문은 선형 모델에서 A-기준이 D-기준의 역수 척도 항과 고유값 분산에 의존하는 무차원 구면성 인자의 곱으로 분해됨을 보여줌으로써, D-기준에서 동등한 설계들이 계수 분산 및 예측 분산 측면에서 왜 상이한 성능을 보이는지 설명하고 이를 설계 최적화 및 후보군 선별에 활용하는 방법을 제시합니다.
이 논문은 지식을 최대한 확장하고 (최대 엔트로피) 증거에 의해 반증된 가설만 배제하는 (반증론) 두 원리를 결합하여, 사전 확률을 배제하고 최악의 경우 인식적 무지를 최소화하는 '인지적 지지점 필터 (ESPF)'가 최적의 필터임을 수학적으로 증명하고 궤적 추적 시뮬레이션을 통해 검증합니다.