Estadística - Aprendizaje automático

Un enfoque nuevo mejora la comprensión de las relaciones de datos en el aprendizaje automático.

Explorando el Replay de Experiencia Inversa para un aprendizaje más eficiente en algoritmos de refuerzo.

Este documento presenta un método para mejorar la equidad en modelos de aprendizaje automático de múltiple salida.

Nuevas tecnologías buscan mejorar la atención de pacientes con cánceres ginecológicos raros.

Los prosumidores equilibran la oferta y la demanda de energía en el complicado mercado de Irán.

Una mirada a los desafíos y conocimientos de la regresión de núcleo en entornos de alta dimensión.

Un nuevo método mejora el análisis de datos funcionales al tener en cuenta la direccionalidad.

Examinando cómo la flexibilidad en los modelos mejora la precisión predictiva a través de ajustes dinámicos.

Un nuevo método mejora los modelos generativos al integrar reglas físicas para un movimiento realista.

Explora el paquete psvmSDR para una reducción de variables eficiente en el análisis de datos.

Un nuevo método mejora la selección de temperatura para un muestreo estadístico eficiente.

Un nuevo método combina técnicas estadísticas y aprendizaje automático para mejores pronósticos de la altura de las olas.

Una mirada a cómo IRL mejora el rendimiento y la diversidad de los modelos de lenguaje.

Este documento explora cómo los métodos bootstrap mejoran la estabilidad y la robustez en modelos de SGD.

Una visión general de los métodos de muestreo óptimos en la aproximación por mínimos cuadrados.

COCA mejora las simulaciones al integrar el aprendizaje automático con la física para una mejor precisión.

Aprende cómo los modelos BCART mejoran la predicción de reclamaciones en seguros.

Este artículo habla sobre métodos para mejorar las estimaciones en estudios de casos y controles con datos desbalanceados.

Un nuevo método combina datos diversos para entender mejor las relaciones causales.

Aprende cómo la privacidad diferencial mejora el análisis de datos mientras protege la información personal.

Una mirada a cómo los grafos dispersos se relacionan con sus grafos de línea y propiedades.

Un nuevo método mejora la detección de datos inesperados en modelos de aprendizaje automático.

Un nuevo método mejora el análisis de toma de decisiones con redes neuronales en marcos bayesianos.

Mamba ofrece una nueva forma de analizar sistemas complejos usando aprendizaje automático.

Un enfoque nuevo para evaluar modelos de ML usando la Teoría de Respuesta al Ítem para obtener mejores insights.

Un enfoque flexible para analizar las relaciones cambiantes en datos de múltiples salidas.

Un enfoque novedoso para entender las relaciones entre variables en entornos cambiantes.

AdEMAMix mejora la eficiencia del entrenamiento al equilibrar gradientes recientes y pasados.

Una mirada a los intervalos de confianza en el aprendizaje de pocos disparos y su impacto en la evaluación del modelo.

Un nuevo enfoque de auto-ensamble mejora la resistencia del modelo a cambios adversariales.

Una mirada más cercana a cómo CRL identifica relaciones causales en los datos.

Examinando las tasas a las que las neuronas del cerebro procesan información.

Una mirada a cómo la predicción conformal mejora la cuantificación de la incertidumbre en biología.

Un nuevo método mejora el análisis de series temporales usando regresión simbólica y técnicas de búsqueda en árboles.

Este artículo explica métodos para estimar efectos causales en redes con variables ocultas.

Este modelo mejora el análisis de datos basados en el tiempo que están desigualmente espaciados en varios campos.

Una mirada a cómo las redes neuronales aprenden y se adaptan con el tiempo.

Un método para mejorar los modelos de aprendizaje automático que manejan datos corruptos.

Una mirada a cómo manejar el inventario cuando la demanda es impredecible.

Estrategias para tomar decisiones más inteligentes en condiciones de incertidumbre.