446 편의 논문
본 연구는 아이솔레이션 포레스트(Isolation Forest) 이상 탐지와 선형 혼합 효과 모델링을 결합한 하이브리드 접근 방식이 초기 초음파 검사의 부재와 불일치하는 기록 관리 문제를 효과적으로 극복함으로써, 자원이 부족한 환경에서 상충하는 일상적 임상 데이터로부터 신뢰할 수 있고 최적화된 임신 착상일을 합성할 수 있음을 입증한다.
본 연구는 비선형 예산 및 시간 제약 조건 하의 다변량 층화 추출을 위한 공분산 인지 절충 할당 프레임워크를 제안하며, 수치 해석을 통해 공분산 상호작용을 포함하는 것이 전통적인 방법들에 비해 최적의 표본 할당과 향상된 정밀도를 산출함을 입증한다.
본 연구는 케냐의 2000~2023년 모성 사망률 데이터에 부트스트랩 불확실성 정량화를 적용한 2단계 마르코프 전환 모델을 채택하여, 구조적인 보건 체계 변화에 의해 유도된 뚜렷한 고사망 및 저사망 체제를 밝혀냄으로써, 케냐의 모성 보건 궤적이 연속적인 선형 추세가 아닌 지속적인 체제 전환에 의해 특징지어진다는 것을 입증한다.
본 연구는 편차 크기에 따라 평활화 매개변수를 동적으로 조정함으로써 미세 및 주요 다변량 공정 변화를 동시에 감지하는 데 있어 기존 모델보다 우수한 성능을 보이는 동적 Huber 가중치 적응형 EWMA Max-M 통계량을 제안하며, 이는 시뮬레이션과 산업용 시멘트 클린커 데이터를 통해 검증되었다.
이 논문은 전통적인 대치 방법의 성능 저하를 피하기 위해 수락된 신청자들의 가중치를 조정하여 모집단 총계와 일치시킴으로써, 모델 오설정 하에서도 변별력을 유지하면서 모집단 리스크 교정 능력을 크게 향상시키는 동시에 일관되고 점근적으로 정규성을 증명하는, 거절 추론을 위한 새로운 보조 강화 설문 교정 프레임워크를 제안한다.
본 연구는 시험 압박 및 수면 시간과 같은 주요 예측 요인을 식별하는 동시에 모델의 투명성과 재현성을 보장하면서, 학생의 스트레스를 정확하게 예측하기 위해 패널티 회귀, 부트스트랩 안정성 선택, 그리고 SHAP 기반 설명 가능한 머신러닝을 통합한 해석 가능한 통계적 학습 프레임워크를 제안하고 검증한다.
본 연구는 반복되는 적응적 결정 과정에서의 신뢰, 모방, 탐색 사이의 균형을 모델링하는 사회-진화 알고리즘(Socio-Evolutionary Algorithm, SEA) 프레임워크를 소개하며, 부채 할당 과업에 참여한 10개의 이질적인 코호트를 대상으로 그 경쟁력 있는 성능과 해석 가능성을 검증한다.
본 논문은 저자의 과학적 영향력과 h-core 논문에서의 공동 저자 수 사이의 불균형을 정량화하여 선물 저자나 손님 저자와 같은 공동 저자 남용 사례를 식별하는 데 도움을 주는 새로운 지표인 공동 저자 격차 지수(CDI)를 제안한다.
본 연구는 독일 남부의 다지점 데이터를 사용하여 강수량장의 복잡한 시공간적 의존 패턴을 분석하고 시뮬레이션하기 위해, 쌍 코퓰러 구성(pair copula constructions)과 은닉 마르코프 모델(hidden Markov models)을 결합한 의존 기하학 프레임워크를 도입한다.
이 논문은 데이터를 원형으로 배치된 블록으로 분할하여 순차적 업데이트와 롤링 윈도우 평활화를 통해 추정치의 모집단을 생성함으로써, 수렴 보장과 잠재적인 과적합 방지를 제공하는 EM 방법의 확률적 변형인 windowEM 알고리즘을 제안한다.