基於觀測調整控制限的 CUSUM 檢驗在極重尾分佈序列參數變更檢測中的應用
本文提出了一種新的基於觀測調整控制限的 CUSUM 檢驗 (CUSUM-OAL)，用於快速、自適應地監控序列觀測值分佈的變化，特別是在極重尾分佈序列中，並通過理論分析和數值模擬驗證了其有效性。
間歇時間序列中複雜性損失的建模及其應用
本文提出了一種基於非參數相對熵 (RlEn) 的方法，用於建模間歇時間序列中的複雜性損失，並通過模擬和實際應用證明了其在定位複雜性變點和估計潛在非線性模型方面的有效性。
간헐적 시계열 데이터의 복잡성 손실 모델링 및 적용
본 논문에서는 간헐적 시계열 데이터에서 나타나는 복잡성 손실을 모델링하기 위해 비모수적 상대 엔트로피(RlEn) 기법을 개발하고, 이를 인간 운동 출력의 피로 유발 변화 분석에 적용하여 그 성능을 검증합니다.
観測値調整済み管理限界を用いたCUSUM検定による極度に裾の重い分布列におけるパラメータ変化検出
本稿では、従来のCUSUM検定の感度を向上させるため、観測値に基づいて動的に管理限界を調整する、観測値調整済み管理限界付きCUSUM検定（CUSUM-OAL）を提案する。特に、極度に裾の重い分布列におけるパラメータ変化検出への適用に焦点を当て、その有効性を数値シミュレーションにより示す。
The CUSUM Test with Observation-Adjusted Control Limits for Detecting Parameter Changes in Extremely Heavy-Tailed Distribution Sequences
This research paper proposes a new CUSUM test with observation-adjusted control limits (CUSUM-OAL) to improve the detection speed of parameter changes in extremely heavy-tailed distribution sequences, particularly for small shifts, and provides theoretical and numerical analysis of its performance.
間欠時系列データにおける複雑性の損失のモデル化とその応用
本稿では、間欠時系列データにおける複雑性の損失をモデル化する新しいノンパラメトリック相対エントロピー（RlEn）手法を提案し、その有効性をシミュレーションと実際の運動データを用いて検証する。
處理不完整縱向數據的線性混合模型分析：一種隨機效應方法
相較於僅使用完整數據的分析方法，採用隨機效應方法處理線性混合模型中缺失的協變量，能更有效地估計模型參數。
臨床風險預測模型中缺失數據插補與內部驗證的結合：模擬研究與實務指引
在建立臨床風險預測模型時，使用 bootstrapping 結合確定性迴歸插補法處理缺失數據，並插補所有缺失值，最能減少模型表現評估和個體風險預測的偏差。
A Nonparametric Relative Entropy Method for Detecting Complexity Changes in Intermittent Time Series
This paper introduces a novel nonparametric relative entropy (RlEn) method for detecting changes in complexity within intermittent time series data, demonstrating its superior performance over existing methods like ApEn through simulations and a real-world application in analyzing human motor output complexity during fatigue.
불완전한 종단 데이터의 선형 혼합 모델 분석에 대한 임의 효과 접근 방식: 완전 데이터만 사용하는 분석과 비교한 성능 평가
불완전한 종단 데이터 분석에서 결측값 처리를 위해 새롭게 제안된 임의 효과 접근 방식(CCE)이 기존의 완전 데이터만 사용하는 분석(CDOE)보다 우수한 성능을 보인다.
© 2024 by Linnk AI