Statistiques - Théorie de la statistique

Explore le fonctionnement et les applications des modèles de diffusion dans la génération de données.

Une nouvelle méthode améliore les approximations en statistiques bayésiennes pour l'analyse de données complexes.

Cet article examine comment le bruit influence les méthodes de régression mélangées et déliées.

Cet article examine des méthodes pour estimer des sources de chaleur inconnues à partir de données de température.

Une approche dynamique révèle des liens entre le fonctionnement du cerveau et les caractéristiques individuelles.

Une nouvelle méthode améliore l'estimation des propriétés des tissus en imagerie médicale.

Un guide sur l'importance des caractéristiques et son rôle dans les prédictions du modèle.

Explore les techniques pour améliorer l'estimation de la matrice de covariance dans les grands ensembles de données.

Explore le rôle des tenseurs aléatoires dans l'analyse de données complexes et multidimensionnelles.

Apprends comment les modèles de Markov cachés et les processus de renouvellement aident à faire des prédictions précises.

Une nouvelle méthode améliore la conception expérimentale pour une meilleure collecte de données sur les batteries.

Une nouvelle approche pour comprendre les réseaux en évolution grâce à la modélisation autorégressive.

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

Une méthode pour estimer les interactions dans des systèmes utilisant des données bruyantes.

Cet article parle de la simulation de champs aléatoires gaussiens dans des structures de réseaux complexes.

Une nouvelle méthode pour mieux estimer les relations dans des données de haute dimension.

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

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

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

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

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 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.