Physique - Analyse des données, statistiques et probabilités

Une nouvelle méthode améliore l'efficacité de la réduction de l'ordre des modèles en utilisant des techniques d'apprentissage profond.

Une nouvelle méthode pour étudier des systèmes complexes en utilisant l'apprentissage automatique pour identifier les variations clés.

Une plongée dans comment les réseaux temporels suivent les interactions au fil du temps.

Cette étude évalue comment statFEM gère les erreurs dans des modèles complexes.

Les méthodes ordinales révèlent des trucs sur les comportements et les interactions complexes des réseaux.

Une nouvelle méthode pour évaluer les missions d'astrobiologie et leur gain d'information.

Enquête sur comment les mouvements passés des actions influencent les corrélations actuelles du marché.

Explorer l'impact de l'environnement sur les systèmes quantiques et l'utilisation des méthodes variationnelles.

Un modèle pour étudier les interactions à courte et longue portée dans divers domaines.

Un aperçu des méthodes utilisées pour prédire les événements de vagues de chaleur de plus en plus fréquents.

Une étude sur comment le bruit affecte les modèles de systèmes dynamiques.

Un nouveau modèle combine des techniques classiques et quantiques pour améliorer les prévisions de flux de vapeur.

Les chercheurs utilisent l'apprentissage machine pour améliorer la détection d'anomalies en physique des particules.

De nouvelles méthodes améliorent l'imagerie 3D à l'échelle atomique pour divers matériaux.

Cette étude examine le comportement des clusters dans le modèle de Vicsek en utilisant l'analyse DBSCAN.

Les méthodes de Monte Carlo améliorent les prédictions en physique, en s'attaquant aux défis dans les simulations et l'optimisation des paramètres.

Analyse des facteurs qui influencent les intervalles de transmission du COVID-19 en Corée du Sud.

Une nouvelle méthode pour différencier les états de santé en utilisant des données de séries temporelles ECG.

Une étude sur l'évolution des classements en fonction des performances au fil du temps.

Des méthodes innovantes améliorent la compréhension de la formation et des propriétés des trous noirs.

Examiner comment les comptes Twitter suspendus ont influencé les discussions politiques et les élections.

Cet article examine les incertitudes des paramètres dans les modèles thermodynamiques et leurs effets sur les prédictions.

De nouvelles méthodes améliorent la détection des positions des faisceaux laser dans les installations de recherche avancées.

La loi de Benford montre comment les données naturelles défient les attentes en matière de distribution des chiffres.

Un aperçu du mouvement aléatoire des particules dans les fluides.

La recherche se concentre sur la mesure du comportement de la lumière dans les LAB pour des expériences de neutrinos.

Un nouveau cadre révèle comment la dynamique de l'information façonne le comportement des systèmes au fil du temps.

Voici CaloDiffusion pour des simulations de calorimètre rapides et de haute qualité en physique des particules.

Des chercheurs améliorent l'analyse des données sur les ondes gravitationnelles en utilisant des techniques d'apprentissage automatique.

De nouvelles techniques améliorent la précision des mesures de distance avec les technologies radar et lidar.

Une nouvelle méthode s'attaque aux défis de la reconstruction de réseaux en utilisant des données de séries temporelles.

La recherche sur les événements rares fait face à des défis à cause du bruit de fond et de l'incertitude.

Explorer le rôle de l'apprentissage automatique dans l'analyse des propriétés topologiques des réseaux photoniques.

Les upgrades LCLS-II-HE utilisent l'apprentissage automatique pour un alignement optique précis et des expériences de rayons X améliorées.

Une exploration de la formation des trous noirs à travers des modèles mathématiques et de nouvelles techniques.

Les méthodes d'apprentissage machine aident à détecter des produits chimiques inhabituels dans les atmosphères des exoplanètes.

Un aperçu des méthodes bayésiennes et fréquentistes en statistiques.

De nouvelles méthodes améliorent l'estimation des gradients dans les programmes de physique des particules avec du hasard.

KinFit améliore la précision des mesures de particules dans les expériences de physique des hadrons.

Combiner la tomographie d'état quantique avec l'apprentissage automatique améliore la précision et l'efficacité.