441 篇论文
本文介绍了 CISM，一种组合式干预状态模型（Compositional Interventional State Model），它利用多模态可穿戴数据，通过序列随机干预框架，因果地估计重新分配运动预算如何影响大学生随后的睡眠和心理健康，并在真实世界数据集和结构化实验中进行了验证。
本文通过将平滑信息准则（SIC）扩展为具有 L0 范数惩罚的证据下界（ELBO），并利用 -级联变分期望最大化（-telescoping VEM）算法来处理多元计数数据中的高维协变量，为零膨胀泊松对数正态（ZIPLN）模型提出了一种稀疏变量选择方法，并通过模拟实验和微生物群落研究验证了该方法的有效性。
本文通过构建一个在协方差和覆盖率固定时预期区间宽度反而发生反转的非椭圆残差族，证明了预测协调对方差缩减的依赖不足以保证区间有效性，并同时对现实世界层级结构中的协方差估计量进行了实证评估，以表明中心收缩虽然能改善评分，但并不能一致地确保标称覆盖率。
本研究对比了 k-最近邻算法、随机森林和人工神经网络在针对邦加勿里岛潘卡林庞每月降水量预测方面的表现，并发现基于 MAE、RMSE 和 R² 等评估指标，随机森林的性能优于其他两种算法。
本文批判性地评估并反驳了野兽（Yaju）与椿（Tsubaki）对名古屋市HPV疫苗接种调查进行的二次分析在方法论上的有效性，证明了他们对研究周期调整的使用以及特定的建模选择引入了严重的结构性偏差和数学伪影，从而扭曲了风险估计并损害了科学完整性。
本文提出了一种两阶段最小调整共识框架，该框架通过动态学习并扩展个体的妥协极限，以在初始调整不足时实现所需的共识水平，并在抗癌药物筛选应用中得到了验证。
本文介绍了 HUMMBER，这是一个以人为本、可重复使用的评估框架，旨在持续评估不断演进的数字化及人工智能赋能的行为改变干预措施，并通过一项完全合成的原理验证研究，证明了其计算可行性、追踪变化的能力、识别受影响群体以及确定因果效应的能力。
本研究提出了一种利用主成分分析（PCA）、因子分析和聚类方法对沙特阿拉伯政府开放医院数据进行处理的可重复多元框架，旨在构建一个稳健且多维度的绩效指数，以揭示区域异质性并支持数据驱动的医疗保健规划。
本研究利用蒙特卡洛模拟和乳腺癌转录组基准测试来证明，高维特征选择的可靠性严格取决于样本量、特征相关性和信号分布等因素，而非由某种普遍优越的方法所决定。
本研究提出了一种由粒子群优化算法（PSO）优化的稳定性与近期性感知选择性集成（SRSE）框架，该框架在预测江苏省每月梅毒病例方面显著优于个体模型和传统集成模型，为短期疾病监测提供了一个强大的工具。