257 편의 논문
Distribird는 과학적 데이터를 추출, 가중치 부여 및 적합시키기 위해 멀티 에이전트 파이프라인을 배치함으로써, 흔히 사용되는 균등 사전 분포나 근거 없는 단일 프롬프트 LLM 베이스라인에 대한 추적 가능하고 타당성이 검증된 대안을 제공하며 베이지안 모델 보정(calibration)을 위한 문헌 기반 사전 분포 생성을 자동화하는 에이전틱 웹 애플리케이션입니다.
이 논문은 뉴욕시 주거 비용 부담에 대한 머신러닝 모델을 사후적으로 검증하여 정적인 경제적 가정으로 인한 체계적인 과소 예측을 밝혀내고, 이후 불확실성을 고려한 방법론을 통해 프레임워크를 재보정함으로써 2025~2028년 사이의 더욱 견고한 시나리오 기반 예측을 생성한다.
본 논문은 행렬 형태의 데이터에서 비대칭성을 효과적으로 포착하고 군집화를 수행하기 위해 새로운 행렬 변량 왜도 정규 분포와 그 유한 혼합 모델을 제안하며, 유도된 추정량과 ECM 알고리즘을 통해 전통적인 대칭 모델보다 향상된 유연성과 성능을 제공한다.
본 논문은 이론적 증명, 몬테카를로 시뮬레이션, 그리고 아세안(ASEAN) 국가들의 재생 에너지-성장 연관성에 대한 적용을 통해 입증된 바와 같이, 장기 공분산 행렬 추정량의 유한 표본 왜곡을 피하면서 방정식 간 오차 상관관계를 활용함으로써 소규모 N 패널(small-N panels)의 추정 효율성과 공적분 검정력을 향상시키는 '겉보기에는 무관한 자기회귀 시차 분포(SUR-ARDL)' 프레임워크를 제안한다.
본 논문은 복잡한 만성 질환의 인과 추론에 대한 정확성과 투명성을 높이기 위해, 실증적 이벤트 로그의 프로세스 마이닝을 전문가의 판정과 통합하여 지식 기반 인과 모델(DAG)을 반복적으로 정교화하는 폐쇄 루프형 인간-AI 협업 프레임워크를 제안한다.
본 연구는 바이오 의약품 품질 모니터링을 위한 변화점 탐지기들을 동일한 허위 양성률 및 탐색 공간 절제 조건 하에서 비교했을 때, 표준 분산 기반 페널티가 다양한 표본 크기와 분포에 걸쳐 강건한 대안들보다 우수한 성능을 보인다는 점을 입증하며, 이는 강건한 방법론에 대한 이전의 선호가 내재적 우월성이 아닌 통제되지 않은 실험 조건에 의해 유도되었음을 밝혀준다.
본 논문은 연구자들이 방법론적 선호도가 아닌 구체적인 의사결정 목표에 기반하여 병렬 클러스터 시험, 단계적 쐐기형(stepped-wedge), 요인(factorial) 또는 적응형 시험과 같은 가장 적절한 무작위 설계 유형을 선택할 수 있도록 안내하는 실용적인 질문 기반 프레임워크와 그에 부수되는 도구들을 제시한다.
이 논문은 1단계 예측 오차가 학습된 카오스 대리 모델의 장기 통계적 충실도를 예측하는 데 부적절함을 입증하며, 계산 비용이 많이 드는 롤아웃을 요구하지 않고도 장기 통계적 오차를 효율적으로 제한할 수 있는 시스템 특이적 응답 연산자를 도입한다.
본 논문은 고차원 조성 미생물군집 데이터에서 이상치를 처리하고 희소성을 보장하기 위해 Huber 손실과 Lasso 페널티를 결합한 강건한 로그-대조 회귀 프레임워크를 제안하며, 이론적 보증과 구현을 위한 효율적인 대칭 가우스-세이델 ADMM 알고리즘을 제공한다.
이 논문은 RUMBoost와 같은 데이터 기반 방식의 예측력과 고전적 MNL 모델의 해석 가능성 사이의 균형을 맞추는 하이브리드 모델로서 패널티가 부여된 다항 로지스틱 트리 회귀(PMLTR)를 소개하며, 광범위한 벤치마킹을 통해 수동 지정 방식이 여전히 경쟁력을 유지하는 반면 순수 데이터 기반 방식은 예측에서 탁월함을 보이고, PMLTR은 최적화와 추론에 필수적인 읽기 가능한 효용을 독특하게 제공한다는 점을 입증한다.