Statistiques - Apprentissage automatique

Apprends à faire de meilleures prévisions et décisions en minimisant le regret d'échange.

De nouvelles méthodes améliorent la précision dans la modélisation de données complexes en utilisant l'inférence basée sur la simulation.

DyS combine une bonne performance et une interprétabilité pour une analyse de survie efficace.

Un aperçu de la façon dont la méthode Mb-SVRN améliore l'optimisation et l'analyse des données.

Une étude explore comment les modèles de machine learning prédisent le risque de CLABSI en utilisant des données d'hôpital.

Un nouvel outil pour mesurer la séparation des clusters dans l'analyse de données.

Cet article présente une nouvelle approche pour identifier les composants dans des modèles de mélanges finis.

Cet article examine les méthodes de Neyman pour évaluer des règles de traitement modernes adaptées aux individus.

Une nouvelle méthode améliore les prévisions en générant des données dynamiquement pendant l'entraînement.

Techniques pour affiner les données en apprentissage machine pour une meilleure efficacité et précision.

De nouvelles méthodes améliorent l'analyse de vraisemblance dans les modèles graphiques pour des données complexes.

Une nouvelle méthode améliore les recommandations de films en évaluant l'incertitude dans les préférences de groupe.

L'inférence fédérée bayésienne permet de faire des analyses de survie tout en préservant la vie privée dans la recherche sur le cancer.

Cet article présente une méthode pour tester l'indépendance dans les données catégorisées.

PLCP offre des ensembles de prédictions fiables pour différentes populations, ce qui améliore la prise de décision.

Une nouvelle méthode améliore l'efficacité dans l'optimisation des séquences de protéines.

Une nouvelle approche améliore les prévisions probabilistes pour la gestion des systèmes électriques.

Explorer l'impact du cadre PAC-Bayésien sur la généralisation en apprentissage automatique.

Le calcul par réservoir propose une nouvelle façon de gérer efficacement les données en séries temporelles.

Méthodes et techniques pour mieux prendre des décisions en ligne avec peu d'infos.

Cet article parle de l'importance des pratiques de données pour assurer l'équité dans l'apprentissage automatique.

Une étude sur l'amélioration de la précision des prédictions pour les modèles de régression.

Présentation d'une méthode pour sélectionner des sous-données afin d'améliorer la précision de classification.

Combiner des modèles génératifs et une estimation du maximum de vraisemblance améliore la précision de la calibration des détecteurs.

Une nouvelle méthode pour améliorer l'efficacité dans la combinaison des données des capteurs.

Une nouvelle méthode pour prédire des résultats complexes en utilisant des données matricielles.

Une méthode pour améliorer l'exactitude des estimations statistiques de manière efficace.

Une nouvelle méthode identifie les interactions variables dans des données de séries temporelles complexes.

Une nouvelle méthode améliore la comparaison des études d'observation et des essais randomisés.

Une nouvelle méthode pour modéliser efficacement des mélanges gaussiens complexes.

Cet article parle des manipulations et des défauts des graphiques PD dans l'équité de l'IA.

TSER améliore la précision des prévisions en générant des échantillons synthétiques pour les séries temporelles sous-représentées.

Un aperçu détaillé sur comment mesurer efficacement les résultats variés dans les initiatives sociales.

Cet article examine les U-Nets et leur rôle dans le traitement d'images en utilisant des modèles génératifs.

Explore l'impact des normes sur l'entraînement et la performance des réseaux de neurones.

Un nouveau cadre pour étudier les processus ponctuels en utilisant des mesures aléatoires et l'analyse fonctionnelle.

Un aperçu de la modélisation de l'incertitude avec des semi-groupes de Markov imprécis.

Une nouvelle approche améliore les embeddings de graphes en se concentrant sur la gestion des dimensions.

Apprends comment les hyperparamètres influencent l'entraînement dans les grands réseaux de neurones.

Comment améliorer le biais dans les recommandations en utilisant les interactions des utilisateurs.