XiaoMi-AI文件搜索系统
World File Search System统计推断
通过MEG数据的张量分解
目的：识别电生理信号的信息特征对于理解脑发育模式很重要，其中诸如磁脑电图（MEG）等技术特别有用。然而，更少的关注是完全利用MEG数据的多层次性质来提取描述这些模式的组件。方法：MEG产量成分的张量因子化封装数据的多维性质，提供了简约的模型，从而识别潜在的大脑模式，以实现有意义的neu-ral过程汇总。为了满足对小儿队列研究有意义的MEG签名的需求，我们提出了一种基于张量的方法来提取多受试者MEG数据的发育特征。我们采用规范多核（CP）分解来估计数据的潜在时空组件，并将这些组件用于组级别的统计推断。结果：使用CP分解以及层次聚类，我们能够提取典型的早期和晚期延迟事件相关场（ERF）组件，这些磁场（ERF）组件是高分和低性能组的歧视性（P <0。05），与主要认知领域（例如注意力，情节记忆，执行功能和语言理解力）显着相关。结论：我们证明，MEG的基于张量的组级别统计推断可以产生对多维MEG数据的描述。此外，这些特征可用于研究健康儿童的脑模式和认知功能的群体差异。意义：我们提供了一种有效的工具，该工具可能直接从电生理测量中评估儿童发育状况和大脑功能有用，并促进认知过程的前瞻性评估。
新南威尔士大学科学学院数学与统计学院课程...
• 展示统计推断如何从概率论的第一原理中产生。 • 理解推理的基本原理：充分性、似然性、辅助性、等方差。 • 理解有限样本和推理程序渐近效率的概念。 • 展示对参数和非参数 delta 方法、渐近正态性、Edgeworth 展开和鞍点方法的掌握。 • 估计感兴趣的关键总体参数，检验关于它们的假设并构建置信区域。 • 在实践中使用参数、非参数、贝叶斯和稳健推理。 • 使用计算机软件包为最常见的推理程序和计算机密集型计算（如引导和稳健估计）生成输出。
Brianna L. Yamasaki，博士 - 埃默里大学心理学
认知心理学 2018 年 3 月 - 2018 年 6 月 心理学导论 (教学研究员/首席助教) 2017 年 9 月 - 2017 年 12 月 女性心理生物学 2016 年 3 月 - 2016 年 6 月 心理学研究中的统计推断 2016 年 1 月 - 2016 年 3 月 心理学概率与统计学概论 2015 年 9 月 - 2015 年 12 月 心理学概论 (教学研究员/首席助教) 2015 年 1 月 - 2015 年 3 月 心理学概论 (教学研究员/首席助教) 2014 年 9 月 - 2014 年 12 月 心理学研究中的统计推断 2014 年 3 月 - 2014 年 6 月 心理学概率与统计学概论 2014 年 1 月 - 2014 异常心理学 2013 年 9 月 - 2013 年 12 月 发展心理学 2013 年 4 月 - 2013 年 6 月 心理学概论 2013 年 1 月 - 2013 年 3 月 女性心理生物学 2012 年 9 月 - 2012 年 12 月 指导 本科优等生（主要顾问/委员会主席） Alex Kolios（2023-2024）；Jenna Holton（2023-2024）；Lily Ferragamo（2023-2024）；Jake McDermott（2020- 2021）；Brynn Carlson（2019-2020）；Sweta Ghatti（2018-2020） 高中生实习生（主要顾问） Abby Das（2023-2024）；Allison Liu（2018 年夏季） 委员会成员 博士论文 Adriana Mendez (2022 年至今)；Ryan Guest (2022 年至今)；Ami Ikeda (2022 年至今) 博士资格考试 Nikita Agarwal (2022-2023)；Adriana Mendez (2022-2023) 本科荣誉论文
Alex Remorov- Weebly
•Harry Markowitz特殊区别奖的获胜者“与串行相关，政权转换和交易成本的停止损失策略”，Andrew W. Lo，金融市场杂志，2017年。“带有种植园数据的空间感染性疾病模型的统计推断和计算效率”，帕特里克·E·布朗，弗洛伦西亚·奇马德，杰弗里·R·罗斯塔尔，Xin Wang，皇家统计学会杂志（C系C），2014年。学生订婚多伦多学生投资俱乐部（TSIC）2020-2022董事会成员，顾问•在多伦多学生投资俱乐部董事会任职，在整个
基因博士课程2023-2024 -Crest
本简短的课程将介绍无分配统计推断的框架，并将在该领域提供理论基础和实用方法的深入概述。我们将介绍包括固定方法，共形预测，基于交叉验证的方法，校准程序等方法，重点是如何将这些方法适应到一系列设置中，以实现强大的不确定性量化，而不会损害准确性。该课程还将引入这些方法背后的理论结果，包括交换性（及其变体）在建立这些方法的无分布有效性方面的作用，以及更经典的理论结果，建立这些无分布方法如何与我们通过参数模型或基于其他基于的基于基于的基于基于的假设技术获得的答案有关。我们的理论概述还将涵盖硬度结果，以解除推理问题的空间，这些问题可能或无法在无分配框架内回答。
通过顺序统计对人脑网络拓扑数据分析
了解整个人群的大脑网络的拓扑特征对于理解大脑功能至关重要。将人类连接组抽象为图形对于了解大脑网络的拓扑特征至关重要。在考虑异质性和随机性的同时开发大脑图中的组级统计推断程序仍然是一项艰巨的任务。在本研究中，我们使用顺序统计量开发了一个基于持久同源性的稳健统计框架来分析大脑网络。使用顺序统计量大大简化了持久条形码的计算。我们使用全面的模拟研究验证了所提出的方法，随后将其应用于静息态功能磁共振图像。我们得出结论，男性和女性的大脑网络之间存在统计学上显着的拓扑差异。
跨学科神经工程（CDNE）培训计划
• 跨学科科学素养技能和跨学科沟通能力。 • 能够领导和在科学多元化的团队中工作。 • 精通高级数据分析和统计技术以及实验设计，涵盖工程和设备开发、理论建模以及神经生理学和人脑健康应用。 • 定量推理技能，包括正确使用和理解统计数据、应用统计推断；区分统计和物理意义的效应大小，以及在量化、实验设计、分析和推断中包含方法和工具的局限性。 • 能够识别和解决研究中可能出现的道德问题。 学生将在由一群高度协作的教师创建的环境中茁壮成长，这些教师在神经工程、计算神经科学和人脑健康的前沿工作。
高级定量方法I（API-209）
本课程的目标是准备使用统计数据来分析公共政策问题。课程中的主要主题是概率理论，估计，假设检验，回归分析，因果推断和预测领域。尽管许多参加该课程的学生已经在统计推断和回归分析方面已经上了课程，但本课程将比典型的课程更加强调，从概念上理解基本方法。由于该课程针对MPA-ID计划中的一年级学生，因此我们不会回避使用数学工具，但是该课程的重点将是对工具的概念理解和应用，而不是数学或工具背后的机制。因此，例如，在研究假设检验时，我们将重点放在测试所做的事情，何时使用和如何解释结果的情况下，而不是对测试或机械重复进行测试的计算的数学证明。最终目标是，到本课程结束时，您将能够：
观察作用于受约束软胶体的布朗弹性水力动力学
复杂环境中的限制运动在微生物学中无处不在。这些情况总是涉及流体流，软边界，表面力和波动之间的复杂耦合。在本研究中，使用一种结合全息显微镜和晚期统计推断的新方法研究了这种策略。具体而言，对刚性壁附近的软微米油滴的布朗运动进行了定量分析。所有关键的统计观察物均以高精度重建，从而可以解决局部迁移率的纳米级解决，以及对保守派或非保守力量的推断。引人注目的是，该分析揭示了一种新颖，短暂但大的柔软的棕色力量的存在。后者对于微生物和纳米物理运输，在拥挤的环境中的目标发现或化学反应以及整个寿命机制可能非常重要。