257 편의 논문
본 논문은 어떤 참여자에게도 해를 끼치지 않으면서 파레토 개선을 달성하는 허용 가능한 배분 가중치를 식별하기 위한 통계적 프레임워크를 제안하며, RAND 의료 보험 실험의 자원 재배분에 대한 실증적 분석을 통해 그 실용적 유용성을 입증한다.
본 논문은 부호 대칭성과 부호 궤적(sign orbit) 전반에 걸친 재사용 가능한 보정(calibration)을 활용하여 계산 효율적이고 유한 표본 수준에서 제어된 유전자 세트 연관성 검정을 가능하게 하는 가우시안 친족 모델(Gaussian kinship models)용 추정된 백색화(whitening)를 포함한 조건부 부호 무작위화 방법을 제안하며, 이 방법의 전역 귀무 가설 추론 대상이 경쟁적인 농축(enrichment) 또는 인과적 유전자 발견과 명확히 구별됨을 밝힌다.
이 논문은 클러스터링된 우측 검열 시간-사건 데이터에서 공유 감마 취약성 모델을 추정하기 위한 계산 효율적이고 샘플링이 필요 없는 베이지안 대안으로서 라플라시안 P-스플라인(LPS)을 소개하며, 시뮬레이션과 세 가지 생물 의학 데이터셋에 대한 적용을 통해 그 성능을 입증한다.
본 논문은 공정 평균과 산포의 동시 변화를 효과적으로 모니터링하는 동시에 측정 오차의 해로운 영향을 명시적으로 고려하기 위해, Klein의 2-of-2 및 2-of-3 민감화 규칙을 통합한 두 가지 향상된 다변량 일반화 가능도비(MGLR) 관리도를 제안하고 평가한다.
본 논문은 일반적인 준주기적 가우시안 프로세스를 위한 구조 방정식 정식화를 도입하여 생성과 예측을 단순화하는 동시에 계산 복잡도를 에서 로 줄임으로써, 다양한 자연 및 생리적 신호를 분석하기 위한 확장 가능하고 일관된 접근 방식을 제공한다.
본 논문은 코퍼스 적격성 평가와 베이지안 순차적 중단 과정을 분리하는 2단계 프레임워크를 제안하며, 벤치마크 검증에서 나타난 높은 조기 중단율과 낮은 재현율을 근거로, 잘 보정된 모델과 개선된 순위 지정이 학술 문헌 스크리닝에서의 안전한 조기 종료를 보장할 수 없음을 입증한다.
이 연구는 인도네시아 주별 인간개발지수를 예측하기 위한 6가지 시공간 모델을 평가하며, 행정 구역 변경과 제한된 학습 데이터를 고려할 때 단순한 국지적 및 클러스터 조정 방식이 복잡한 딥러닝 구조보다 단기 예측에서 더 우수한 성능을 보인다는 것을 밝혀냈다.
이 논문은 전역적 벤포드의 법칙 편차를 픽셀당 이상치 점수로 변환하여 다중 분광 이미지에서 학습이 필요 없는 방사 보정 이상 탐지를 가능하게 하는 새로운 비지도 학습 방법인 Global Benford Deviation Clustering (GBDC) 프레임워크를 소개하며, CloudSEN12 데이터셋에서 0.347의 기준 평균 F1-점수를 달성하였다.
29개 교육 체계에 걸친 10만 명 이상의 학생들을 대상으로 한 이 연구는, 부모의 스크린 타임 규칙이 학교 과제를 포함하는지 또는 면제하는지를 구분하는 것이 단순히 규칙의 유무로만 나누는 전통적인 이분법적 분류에서는 가려져 있던 디지털 역량의 유의미한 차이를 밝혀낸다는 점을 보여준다.
이 논문은 하이퍼에지 좌절 지수(Hyperedge Frustration Index)와 차수 보존 영 모델(degree-preserving null model)을 정의함으로써 부호가 있는 하이퍼그래프의 구조적 균형을 테스트하기 위한 통계적으로 엄밀한 프레임워크를 도입하며, 이를 유엔 총회 투표 데이터에 적용한 결과 진정한 고차원적 양극화는 보편적인 상수가 아니라 특정 역사적 시기에만 존재함을 밝혀내어 실제 연합과 우연을 구별한다.