261 편의 논문
본 논문은 우측 리만-리우빌(Riemann–Liouville) 분수 적분 연산자를 통해 생성되는 새로운 유연한 파레토 유형 분포군을 소개하며, 이는 꼬리 거동을 조절하기 위한 이론적으로 근거 있는 메커니즘을 제공하고 기존 모델들과 비교하여 헤비 테일(heavy-tailed) 실세계 데이터를 모델링하는 데 있어 우수한 성능을 입증한다.
이 연구는 4개의 국가 의료 데이터베이스를 대상으로 대규모 성향 점수 조정 전략을 평가하며, Crump 트리밍을 적용한 역확률 가중치 부여 방식과 1:1 매칭이 일반적으로 가장 우수한 성능을 제공하지만, 보편적으로 우월한 단일 전략은 존재하지 않으므로 선택을 안내하기 위한 진단 및 경험적 보정이 필요하다고 결론짓는다.
본 연구는 가우시안 프로세스 회귀를 활용하여 체르노빌 제외 구역의 희소한 UAV 기반 방사선 모니터링 데이터를 효과적으로 재구성함으로써, 전통적인 보간법보다 높은 정확도를 구현하는 동시에 정보에 입각한 환경 의사결정을 위한 필수적인 공간 불확실성 추정치를 제공하는 불확실성 인지 확률론적 프레임워크를 제안한다.
이 논문은 최소한의 모멘트 조건(유한한 ) 하에서 최적의 수렴 속도와 변수 선택 일관성을 달성하며, 무거운 꼬리, 왜도 또는 오염된 오차를 다룰 때 시뮬레이션과 실제 유전체 응용 분야 모두에서 기존 방법들보다 뛰어난 성능을 보이는 고차원 회귀를 위한 강건한 정규화 M-추정량 클래스를 소개한다.
본 논문은 고차원 데이터셋의 노이즈와 계산적 난제를 효과적으로 해결하는 안정성 기반 튜닝 기준을 갖춘 새로운 볼록 최적화 방법인 SpaCoBi(Sparse Convex Biclustering)를 제안하며, 기존의 최첨단 바이클러스터링 기술들과 비교하여 우수한 정확도와 강건성을 입증한다.
이 논문은 복합 품질 등급을 회귀 모델의 공변량으로 포함하는 것이 구조적 예측 변수의 추정 효과를 체계적으로 약화시키는 순환성 편향을 유발한다는 점을 입증하며, 이러한 방법론적 위험은 CMS 병원 재입원 데이터와 몬테카를로 시뮬레이션을 통해 확인되었다.
이 연구는 계층적 표류 확산 모델링(hierarchical drift diffusion modeling)을 통해 밝혀진 바와 같이, 인지된 자원 희소성이 특히 높은 객관적 위험 상황에서 위험한 선택지로 향하는 표류율(drift rate)을 가속화함으로써 위험한 의사결정을 증가시킨다는 것을 입증한다.
본 논문은 순위 집계형 이상치 앙상블과 공준 비용 참조 밴드를 통합하여 감사 우선순위 결정을 지원하는 동시에 통계적 이상치와 부정행위의 증거를 구분함으로써, 메디케어 지급 무결성을 위한 설명 가능하고 재현 가능한 공공 데이터 프레임워크를 제시한다.
이 논문은 집단 값을 중앙값과 비교함으로써 왜도(skewed distributions), 이상치(outliers) 및 작은 표본 크기에 대한 민감도를 줄이는 동시에 학생 성취에 대한 실질적인 해석과 더 잘 부합하도록 하여, 코헨의 d(Cohen's d)보다 더 직관적이고 강건한 대안을 제공하는 수학교육 연구를 위한 중앙값 기반 효과 크기 지표를 소개한다.
이 논문은 측정 오차의 영향을 받는 건강 데이터의 정확도를 크게 향상시키고, 편향을 줄이며, 신뢰성을 높이기 위해 비선형 예측 모델링과 계층적 불확실성 교정을 통합한 하이브리드 머신러닝-베이지안 시스템인 HAIB-MEC 프레임워크를 소개한다.