441 편의 논문
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.
본 논문은 양자화된 연속 데이터의 뎀프스터-셰이퍼 증거 융합에서 빈(bin) 프레임의 기하학적 구조가 충돌 척도와 증거 위치를 인위적으로 혼동시킨다는 점을 입증하며, 이를 교정하기 위해 제안된 과잉 충돌 통계량과 함께 표준 결합 규칙이 소프트웨어 취약점 악용 예측에 있어 무시할 만한 효능 차이를 가진 베이즈 곱으로 종종 축소된다는 사실을 밝힌다.
본 논문은 복잡한 분자 검사의 버전 의존적 가변성을 다루기 위해 최소 보고 요구사항을 정의하고, 분석 계층을 구분하며, 검사 결과의 추적 가능성과 비교 가능성을 보장하기 위한 반증 가능한 명제를 설정함으로써 ISO 33406을 확장하는 사양 기반 프레임워크를 제안한다.
본 논문은 시뮬레이션과 이커머스 애플리케이션 모두에서 기존 방법들보다 우수한 성능을 입증하며, 완전한 데이터 주도 방식으로 다중 카테고리 간의 해석 가능한 잠재적 그룹 구조를 발견하기 위해 효율적인 기대-최대화(Expectation-Maximization) 알고리즘을 갖춘 새로운 그룹 가우시안 혼합 모델(Grouped Gaussian Mixture Model, GGM)을 제안한다.
본 연구는 다기관 전자 건강 기록에서 발생하는 병원 구조적 결측이 기존의 결측 데이터 워크플로 전반에 걸쳐 사망 연관성 추정치를 유의미하게 편향시키고 신뢰 구간 피복률을 저해한다는 점을 입증하며, 이는 클러스터 수준의 진단, 방법론별 성능 비교, 그리고 명시적인 비무작위 결측(MNAR) 민감도 분석에 대한 결정적인 필요성을 강조한다.
이 논문은 나이지리아 형제 생존 기록의 가시성 편향과 표본 변동성을 교정하기 위해 네트워크 조정 경험적 베이즈 프레임워크를 도입하며, 이를 통해 2018년에서 2024년 사이 성인 사망률이 감소했음을 밝히고 해당 수치가 기존 방식 및 국제 참조 계열에 의해 추정된 것보다 유의미하게 낮다는 것을 보여준다.
이 논문은 시뮬레이션 학습된 심리측정 모델인 METER를 소개하며, 이 모델은 재학습 없이도 다양한 미학습 도구와 집단에 걸쳐 개인의 특성을 성공적으로 추론하고 실제 데이터에서 전문가의 추정치와 높은 상관관계를 달 achievement하는 동시에, 특정 구조적 복잡성을 처리하고 절대적 타당성을 확립하는 데 있어 한계를 보여준다.