Statistiques - Théorie de la statistique

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

Une nouvelle approche utilisant le transport optimal améliore la comparaison de données multivariées.

Un aperçu des e-values et de leur rôle dans les tests d'hypothèses.

Une analyse du comportement de l'SGD en apprentissage automatique avec des idées sur les valeurs propres et la stabilité de l'entraînement.

Examiner comment l'incertitude sur les politiques climatiques affecte les décisions économiques et la croissance.

Explorer des méthodes de test séquentiel pour une prise de décision efficace en statistiques.

Un aperçu de l'effondrement neural et de son impact sur les modèles de deep learning.

Explore le rôle des GLMM et du PQL dans l'analyse de données complexes.

De nouvelles méthodes améliorent l'efficacité de l'échantillonnage à partir de corps convexes.

Une nouvelle approche pour le débruitage d'images en utilisant des techniques d'apprentissage auto-supervisé.

Apprends des méthodes clés pour choisir les paramètres de réglage dans l'analyse de données pour de meilleures prédictions.

Ce papier parle des méthodes pour estimer des paramètres dans des équations différentielles stochastiques d'ordre deux en utilisant des données du monde réel.

De nouvelles méthodes améliorent l’efficacité et la précision dans la recherche médicale et technologique.

Présentation d'un cadre pour quantifier l'incertitude dans les modèles prédictifs, surtout dans des espaces de données complexes.

Explorer des techniques pour améliorer les estimations statistiques avec des bornes inférieures minimax.

Utiliser des divergences statistiques pour les tests d'hypothèses dans l'analyse de données de haute dimension.

Une étude examine des méthodes pour tester les changements dans les modèles de facteur en utilisant des valeurs propres et des vecteurs propres.

Une nouvelle méthode améliore l'estimation des facteurs faibles et forts dans les données.

Comprendre les impacts des traitements en tenant compte de l'interférence des réseaux.

Cette étude examine la relation entre les réponses scalaires et les covariables fonctionnelles en utilisant des méthodes statistiques avancées.

Une méthode pour construire des zones de confiance dans les équations statistiques pour les effets de traitement.

Apprends-en plus sur le Passage de Message Approximatif et son rôle dans le traitement des données.

Présentation d'une méthode innovante pour analyser les effets des traitements sans la condition de positivité.

Une méthode pour tester les interactions entre des événements au fil du temps en utilisant des modèles statistiques.

De nouveaux algorithmes améliorent la vitesse et la précision de l'alignement des graphes pour les réseaux corrélés.

Apprends comment les techniques de rééchantillonnage améliorent la stabilité des résultats statistiques.

Cet article parle des galères de la validation des modèles à cause des données contaminées.

Cet article parle des méthodes pour créer des intervalles de prévision étroits dans des conditions de données changeantes.

Une méthode pour traiter les erreurs de données dans l'analyse à haute dimension.

Un aperçu de l'utilisation de la PCA tensorielle distribuée pour une analyse de données efficace à travers les lieux.

Un aperçu du rôle de la PCR dans l'analyse des jeux de données à haute dimension.

Un outil polyvalent pour analyser des distributions de données variées en stats.

Une méthode qui combine la SGD et des techniques de confidentialité pour une analyse de données efficace.

Cet article parle d'un nouveau cadre pour le test des noyaux dans l'analyse de données complexes.

Une nouvelle méthode pour analyser des données spatio-temporelles dans différents domaines.

De nouvelles méthodes améliorent l'analyse des données d'images cérébrales en utilisant des techniques d'apprentissage par variétés.

Un nouveau cadre pour créer des classificateurs d'apprentissage automatique fiables et précis.

Examine comment les algorithmes peuvent protéger la vie privée tout en optimisant les décisions dans la médecine personnalisée.

Cette recherche s'attaque au sur-lissage dans les convolutions de graphes pour améliorer la précision de la classification des nœuds.

Un aperçu des nouvelles méthodes pour améliorer le débruitage de matrices au milieu de bruits complexes.