ION-C: An Efficient Algorithm for Inferring Causal Structure from Multiple Overlapping Datasets Using Answer Set Programming
ION-C is a novel algorithm that leverages answer set programming to efficiently infer the set of possible causal structures (DAGs) consistent with a collection of causal graphs learned from overlapping datasets.
差別に対処する統計教育のための社会的に重要なツールとしてのdsld
dsldは、差別分析と公平な機械学習を通じて統計を教えるための強力なツールであり、現実世界の社会問題に統計の力を適用する方法を学生に示すことで、統計教育の関連性と魅力を高めます。
4개 정점에서 2 이하의 가중치를 갖는 퀴버의 머신러닝 돌연변이 비순환성 연구
본 논문에서는 머신러닝 기법, 특히 신경망과 서포트 벡터 머신을 사용하여 4개 정점을 가진 퀴버의 돌연변이 비순환성을 예측하는 방법을 연구합니다.
dsld: Using Data Science to Teach Statistics and Analyze Discrimination
The dsld package and its accompanying Quarto book offer a practical and engaging way to teach statistical concepts by exploring real-world discrimination issues and applying fairness-aware machine learning techniques.
Debiasing Deep Generative Model-Based Synthetic Data for Improved Statistical Inference
Deep generative models (DGMs) often introduce bias and slow convergence rates in synthetic data, hindering accurate statistical inference; this paper proposes a novel debiasing strategy to mitigate these issues and enhance the reliability of DGM-generated synthetic data for statistical analysis.
利用語音助理指令的多模態特徵檢測輕度認知障礙
研究顯示，與簡單的指令朗讀任務相比，讓老年人自由生成語音助理指令的任務更能有效地檢測輕度認知障礙（MCI），因為它需要更高的認知負荷，並且在語音、文本和意圖特徵方面表現出與認知能力更強的相關性。
Machine Learning for Classifying Mutation-Acyclicity of Quivers: A Computational Approach
Machine learning, specifically neural networks and support vector machines, can be used to efficiently and accurately classify quivers as mutation-acyclic or non-mutation-acyclic, offering a promising computational approach to this challenging problem in cluster algebra theory.
MINDSETS：一種用於失智症亞型分類和有效時間研究的多組學神經影像整合方法
整合多組學數據，包括神經影像、臨床評估和基因資訊，可以顯著提高阿茲海默症和血管性失智症的診斷準確率，並提供對疾病進程和治療效果的寶貴見解。
경도 인지 장애 감지를 위한 자발적 음성 비서 명령의 다중 모드 특징 분석: 명령 생성 및 인텐트 활용
본 연구는 자발적인 음성 비서 명령을 사용하여 경도 인지 장애(MCI)를 감지하는 방법을 제시하며, 특히 명령 생성 작업이 기존의 명령 읽기 작업보다 MCI 감지에 더 효과적임을 보여줍니다.
다중 오믹스 및 뇌 영상 기반 치매 아형 분류 및 효과적인 시간적 연구: MINDSETS
본 연구는 다중 오믹스 데이터와 뇌 영상 데이터를 통합하여 알츠하이머병(AD)과 혈관성 치매(VaD)를 구분하는 새로운 접근 방식인 MINDSETS를 제시하고, 조기 진단 및 개인 맞춤형 치료 전략 개발에 기여하고자 합니다.
© 2024 by Linnk AI