259 편의 논문
이 논문은 고차원 비선형 비가우시안 지수 모델의 순차적 데이터 동화에 적용 가능한 두 가지 국소화 전략을 제시하여, 가중치 붕괴를 피하고 중량 꼬리 오차를 처리하며 LETKF 대비 우수한 성능을 보이는 국소화 순차 MCMC 필터링 기법을 개발하고 검증했습니다.
이 논문은 가산적 흥분과 승법적 억제를 결합한 다변량 호크스 프로세스를 제안하여 동물 발성의 시간적 의존성을 모델링하고, 이를 메어캣과 고래의 음향 통신 데이터에 적용하여 종 내 및 종 간 상호작용 패턴을 규명했습니다.
이 논문은 절단된 왜도 정규 분포의 매개변수 추정을 위한 그리드 기반 방법 (GRID-MOM) 을 제안하여, 모양 매개변수를 고정하고 위치 및 척도 매개변수를 모멘트법으로 추정함으로써 기존 방법의 수치적 불안정성을 해결하고 안정적인 추정을 가능하게 합니다.
이 논문은 두 표본 멘델 무작위화 연구에서 승자의 저주와 표본 구조를 동시에 고려하여 기존 방법보다 정확한 인과 효과 추정을 가능하게 하는 이변량 재무작위 역분산 가중치 (BRIVW) 추정자를 제안합니다.
이 스코핑 리뷰는 임상 연구에서 공변량 기반 클러스터링과 결과 모델을 결합한 방법론 (정보 기반 및 무관 클러스터 모델) 을 체계적으로 검토하여 고차원 데이터와 이질적 환자 집단에서의 위험 계층화 및 하위 그룹별 치료 효과 추정을 위한 적용 가능성과 가치를 조명합니다.
이 논문은 대규모 다성분 공중보건 개입의 실패 위험을 줄이고 비용 효율성을 극대화하기 위해 연구 진행 중 개입 패키지를 반복적으로 최적화하는 새로운 'Learn-As-you-GO(LAGO)' 설계의 방법론을 제시하고, BetterBirth 연구 사례 및 HIV 와 비전염성 질환 관련 실제 적용 사례를 통해 그 유효성을 입증합니다.
이 논문은 대규모 공간 방향성 데이터의 모델링에서 기존 감싸진 가우시안 과정 (WGP) 의 계산적 한계를 극복하기 위해 희소 정밀도 구조를 활용한 감싸진 가우시안 마르코프 무작위 필드 (WGMRF) 모델을 제안하고, 2004 년 인도양 쓰나미 파도 방향 데이터를 통해 그 예측 성능과 확장성을 입증합니다.
이 논문은 선형 혼합 모델 메타 회귀에서 상호작용 효과 탐지를 위해 전통적인 선형 선택 방법과 메타-CART 기반 트리 기반 방법을 비교 분석하여, 선형성이 강한 경우 선형 방법이 우수하지만 비선형 상호작용이 존재하거나 표본 크기가 커질 경우 안정성 선택을 적용한 랜덤 효과 트리 기반 방법이 보다 강력하고 보완적인 도구임을 규명했습니다.
이 논문은 3 가지 가구 조사 데이터를 활용하여 베이즈 시공간 모델과 포스트스트라티피케이션 기법을 적용해 센트럴 푸지트 사운드 지역의 하위 군 단위 주거 이주 추정치를 산출하고, 이를 통해 지역별 이주율 차이와 2020-2021 년 cohort 의 일시적 완화 경향을 규명했습니다.
이 논문은 분포 값 예측자를 사용하여 스칼라 응답을 예측하는 분포 회귀 문제를 해결하기 위해, BART(베이지안 가법 회귀 트리) 사전 분포를 적용한 비모수적 방법인 DistBART 를 제안하고, 이론적 수렴성, 커널 방법과의 연관성, 그리고 대규모 데이터셋을 위한 확률적 근사 기법을 통해 그 유효성과 확장성을 입증합니다.
이 논문은 간 MRI 의 혈류 관류 정보를 반영한 향상 패턴 매핑 (EPM) 을 기존 구조적 방사선학 특징과 통합하여 간암의 진단 및 등급 분류 정확도를 크게 향상시킨 새로운 방사선학 특징 기반 위험 예측 프레임워크를 제안합니다.
이 논문은 몬테카를로 시뮬레이션을 통해 유한 선택 모델 (FSM) 의 증강 매개변수가 추정량 성능에 미치는 영향을 분석하여, 적절한 증강은 공변량 균형을 개선하지만 과도한 증강은 분산을 증가시킬 수 있음을 보여주고 실용적인 선택 가이드라인을 제시합니다.
이 논문은 희소하게 관측된 종단 데이터를 밀집한 기능적 데이터로 전환하는 과정에서 고유편성분 점수의 예측 분포가 어떻게 수렴하고 축소되는지 연구하며, 기능적 선형 모델에서 예측 불일치 문제를 해결하기 위한 예측 분포의 구성과 수렴 속도를 제시합니다.
이 논문은 차원 축소로 인한 표현 학습 기반 CATE 추정치의 편향을 평가하기 위해, 저차원 표현 하에서 CATE 의 비식별성 조건을 이론적으로 규명하고 신경망 기반 반증 프레임워크를 통해 해당 편향의 상하한을 추정하는 새로운 방법을 제안합니다.
이 논문은 ReLU 신경망을 통해 학습된 데이터 정보 행렬 (DIM) 을 활용하여 고차원 데이터 공간에 특이 여과 구조를 부여하고, 이를 통해 데이터의 기하학적 분포를 규명하며 지식 전이에 활용 가능한 방법론을 제시합니다.
이 논문은 다양한 베이지안 네트워크 클래스 (선형 가우시안, 이산형, 지수족, 비모수적 모델 등) 에서 충실도 (faithfulness) 를 만족하는 매개변수 집합이 위상적으로 밀집하고 열린 집합을 이루며, 이는 제약 기반 인과 발견 알고리즘 (PC, FCI 등) 의 일관성을 보장함을 증명합니다.
이 논문은 관측 데이터에서 치료 효과의 우연적 불확실성을 정량화하기 위해 부분 식별을 통해 치료 효과의 조건부 분포에 대한 엄밀한 경계를 추정하고, 이를 위해 네이만 직교성과 준-오라클 효율성을 갖춘 새로운 직교 학습기 (AU-learner) 를 제안합니다.
이 논문은 이산형 또는 연속형 치료 변수와 비일정한 효과를 가진 가법적 비선형 모델에서 관측 데이터의 도구변수 유효성을 검증하기 위해 보조 기반 독립성 테스트 (AIT) 조건을 제안하고, 그 필요충분 조건 및 실증적 유효성을 입증합니다.
이 논문은 랜덤 효과 패널 데이터 모델에서 하우스만 검정을 보완하여 단일 모델로부터 매개변수별 편향을 추정하고 퍼뮤테이션 기반 p-값을 제공하는 새로운 진단 방법을 제안하고, 이를 실제 데이터에 적용하여 실용성을 입증합니다.
이 논문은 실제 환경에서 사전 분포가 알려져 있지 않은 가우시안 프로세스 밴딧 문제를 해결하기 위해, 예측 성능이 낮은 사전 분포를 제거하거나 2 단계 탐험 방식을 적용하는 두 가지 알고리즘 (PE-GP-TS 및 HP-GP-TS) 을 제안하고 이론적 후회 상한을 증명하며 실험을 통해 그 유효성을 입증합니다.