Statistik

Bayesian-neuronale Netzwerke verbessern die Vorhersagen des Materialverhaltens mit Unsicherheitsabschätzungen.

Eine Studie über Temperaturveränderungen in Spanien und Portugal im letzten Jahrhundert.

Ein neuer Ansatz, um die Interaktionen von Aktien während Marktveränderungen zu verstehen.

Dieser Artikel behandelt, wie Wissensgraphen die Merkmalsauswahl in der Datenanalyse verbessern.

Dieser Artikel untersucht, wie Reinforcement Learning die Abläufe in Mikoreaktoren optimieren kann.

Eine neue Methode bewertet die Leistung von Verteidigern anhand von fortschrittlichen Tracking-Daten in NFL-Spielen.

Ein Blick darauf, wie fehlende Daten die Bewertung von Gesundheitsbehandlungen beeinflussen.

Ein genauerer Blick auf die Risiken der Offenlegung bei synthetischen Daten und den Schutz der Privatsphäre.

Ein neuer Ansatz, um die Interaktionen von Aktien während Marktveränderungen zu verstehen.

Bayes'sche Methoden verbessern die Geschwindigkeit und Genauigkeit der Datenanalyse bei grossen Datensätzen.

Eine neue Methode kombiniert Bayessche Inferenz und maschinelles Lernen für bessere Datenanalyse.

Eine neue Methode zur effizienten Schätzung von bedingten Erwartungen in unsicheren Umgebungen.

Untersuchen, wie Populationsmodelle Familienstammbäume gestalten und genetische Algorithmen beeinflussen.

Neue Techniken in der Stichprobenziehung verbessern die Effizienz in der statistischen Analyse.

Eine neuartige Technik, die Elektrostatik für eine bessere Datenerfassung und Schätzung verwendet.

Neue Ansätze, um komplexe lineare Systeme effizient zu lösen.

Bayesian-neuronale Netzwerke verbessern die Vorhersagen des Materialverhaltens mit Unsicherheitsabschätzungen.

Diese Studie untersucht Bayesianische PINNs zur Schätzung von PDE-Parametern aus verrauschten Daten.

Ein maschinelles Lernverfahren bietet schnellere, genauere Klimavorhersagen.

Techniken zur Verbesserung der Grapheninferenz und der Unsicherheitsbewertung in verschiedenen Bereichen.

LaseNet verbessert die Extraktion von versteckten Variablen in kognitiven Modellen mithilfe von neuronalen Netzwerken.

Eine neue Herangehensweise für die Optimierung von Mehrzielpräferenzen erkunden.

Ein neuer Datensatz beschleunigt die Vorhersagen von molekularen Eigenschaften für das Drug-Design.

Eine neue Methode zur Messung von Unsicherheit im Deep Learning, besonders in der Überlebensanalyse.

Diese Studie untersucht Bayesianische PINNs zur Schätzung von PDE-Parametern aus verrauschten Daten.

Neue Techniken im experimentellen Design und in der Datenanalyse für wissenschaftliche Forschung erkunden.

Vereinfachung der räumlichen Datenanalyse mit gerichteten grafischen Modellen für Ja/Nein-Ergebnisse.

Ein neuer Ansatz, um die Interaktionen von Aktien während Marktveränderungen zu verstehen.

Bayes'sche Methoden verbessern die Geschwindigkeit und Genauigkeit der Datenanalyse bei grossen Datensätzen.

Lern, wie HQR und WACI die Genauigkeit von Vorhersageintervallen in verschiedenen Bereichen verbessern.

Berücksichtigung von Störfaktoren und Veränderungen in Daten für bessere Vorhersagen.

Ein strategischer Ansatz, um Forschungsinvestitionen zu schützen.

Diese Forschung entwickelt Methoden für eine faire Ressourcenverteilung trotz begrenztem Nutzerfeedback.

Ein Blick darauf, wie der Estimand-Rahmen die Analyse von klinischen Studien verbessert.

Ein neuer Ansatz, um komplexe menschliche Verbindungen durch fuzzy Soziale Netzwerk Analyse zu verstehen.

Eine Studie darüber, wie Park-and-Ride Staus und Emissionen reduzieren kann.

Information hat grossen Einfluss auf Entscheidungsprozesse in verschiedenen Bereichen.

Das Benfordsche Gesetz zeigt komische Muster bei den ersten Ziffern in Datensätzen.

Ein Verfahren zur detaillierten Signal Analyse über Zeit und Frequenz.

Neue Methoden verbessern das Verständnis des Universums durch Daten zur schwachen Gravitationslinsenwirkung.

Diese Studie untersucht Bayesianische PINNs zur Schätzung von PDE-Parametern aus verrauschten Daten.

Zwei neue Schätzer verbessern die Genauigkeit bei der Analyse von Itemantwortdaten.

Erkunde, wie das stochastische Blockmodell dabei hilft, Gemeinschaften in Netzwerken zu identifizieren.

Lern, wie man ungewöhnliche Muster in Zeitreihendaten mit Markov-Tiefe identifiziert.

Lerne Techniken, um fehlende Werte in stationären stochastischen Reihen zu schätzen.

Ein zweistufiger Testansatz vereinfacht die Interaktionen zwischen verschiedenen genetischen Variablen.

Die Rolle von Robustheit bei der Schätzung unbekannter Verteilungen aus Stichproben untersuchen.

Die Untersuchung der Rolle strukturierter Tensorprioren bei der Verbesserung von Datenabschätzungen.