Physik - Datenanalyse, Statistik und Wahrscheinlichkeitsrechnung

Neue Methoden zur groben Abbildung verbessern Simulationen komplexer Systeme und senken gleichzeitig die Rechenkosten.

Eine neue Methode verbessert die Analyse von grossen Datensätzen in komplexen Systemen.

eDCM PC hilft Forschern dabei zu analysieren, wie verschiedene Teile von Systemen miteinander kommunizieren.

Open-Source-Toolkit verbessert die Analyse der Raman-Spektroskopie in verschiedenen Studien.

Neue Methoden helfen dabei, Zeitmassstäbe in komplexen Netzwerken zu identifizieren.

Erkunde, wie nicht-newtonsche Flüssigkeiten unter Stress reagieren und ihre industriellen Anwendungen.

Neue Methode verbessert die Effizienz der Modellereduktion mit Deep Learning-Techniken.

Eine neue Methode zur Untersuchung komplexer Systeme mit maschinellem Lernen, um wichtige Variationen zu identifizieren.

Ein tiefer Einblick, wie zeitliche Netzwerke Interaktionen über die Zeit hinweg verfolgen.

Diese Studie bewertet, wie statFEM mit Fehlern in komplexen Modellen umgeht.

Ordinale Methoden zeigen Einblicke in komplexe Netzwerkverhalten und Interaktionen.

Eine neue Methode zur Bewertung von Astrobiologie-Missionen und ihrem Informationsgewinn.

Untersuchen, wie frühere Aktienbewegungen aktuelle Markt-Korrelationen beeinflussen.

Untersuchung des Einflusses der Umwelt auf quantenmechanische Systeme und die Anwendung von Variationsmethoden.

Ein Modell, um Kurz- und Langstreckeninteraktionen in verschiedenen Bereichen zu untersuchen.

Ein Blick auf Methoden zur Vorhersage von zunehmenden Hitzewellen.

Eine Studie darüber, wie Lärm dynamische Systemmodelle beeinflusst.

Ein neues Modell kombiniert klassische und quantenbasierte Techniken, um die Vorhersagen von Dampfdurchfluss zu verbessern.

Forscher nutzen maschinelles Lernen, um die Anomalieerkennung in der Teilchenphysik zu verbessern.

Neue Methoden verbessern die 3D-Bildgebung im atomaren Massstab für verschiedene Materialien.

Diese Studie untersucht das Clusterverhalten im Vicsek-Modell mithilfe der DBSCAN-Analyse.

Monte-Carlo-Methoden verbessern Vorhersagen in der Physik und gehen Herausforderungen bei Simulationen und Parameteroptimierung an.

Analyse von Faktoren, die die Übertragungsintervalle von COVID-19 in Südkorea beeinflussen.

Eine neue Methode, um Gesundheitszustände mithilfe von ECG-Zeitseriendaten zu unterscheiden.

Eine Studie über sich verändernde Rankings basierend auf der Leistung über die Zeit.

Innovative Methoden verbessern das Verständnis über die Entstehung und Eigenschaften von Schwarzen Löchern.

Untersuchen, wie gesperrte Twitter-Accounts politische Diskussionen und Wahlen beeinflusst haben.

Dieser Artikel untersucht die Parameterunsicherheiten in thermodynamischen Modellen und deren Auswirkungen auf Vorhersagen.

Neue Methoden verbessern die Erkennung von Laserstrahlpositionen in modernen Forschungseinrichtungen.

Das Benfordsche Gesetz zeigt, wie natürliche Daten die Erwartungen bei der Verteilung von Ziffern übertreffen.

Ein Blick auf die zufällige Bewegung von Partikeln in Flüssigkeiten.

Die Forschung konzentriert sich darauf, das Verhalten von Licht in LAB für Neutrino-Experimente zu messen.

Ein neues Framework zeigt, wie Informationsdynamiken das Verhalten von Systemen im Laufe der Zeit prägen.

CaloDiffusion ist da für schnelle, hochwertige Kalorimeter-Simulationen in der Teilchenphysik.

Forscher verbessern die Datenanalyse von Gravitationswellen mit Hilfe von Machine-Learning-Techniken.

Neue Techniken verbessern die Genauigkeit beim Messen von Distanzen mit Radar- und Lidar-Technologien.

Eine neue Methode geht die Herausforderungen bei der Netzwerkwiederherstellung mit Zeitreihendaten an.

Forschung zu seltenen Ereignissen hat mit Hintergrundgeräuschen und Unsicherheiten zu kämpfen.

Die Rolle des maschinellen Lernens bei der Analyse topologischer Eigenschaften von photonischen Gitterstrukturen erkunden.

LCLS-II-HE-Upgrades nutzen maschinelles Lernen für präzise optische Ausrichtung und verbesserte Röntgenexperimente.