Mathématiques - Théorie des statistiques

Les GNNs de haut ordre améliorent l'apprentissage à partir de données graphiques complexes en utilisant des P-tensors.

Une nouvelle approche pour estimer les effets du traitement malgré les données manquantes.

Une nouvelle approche utilise des mesures pour améliorer les modèles d'apprentissage automatique et relever des défis du monde réel.

Une nouvelle façon de comprendre l'erreur de généralisation dans les algorithmes de machine learning.

Une étude sur comment des performances de natation extrêmes peuvent prédire des records futurs.

Un aperçu de la mesure des données à travers différents espaces métriques.

Un guide pour estimer efficacement les densités de mélanges gaussiens.

Cet article explore le lien entre les distributions lognormales et l'analyse de l'information mutuelle.

Explore des méthodes efficaces pour échantillonner à partir de distributions de données complexes dans des réseaux.

Explore comment la topologie améliore l'analyse des signaux périodiques bruyants.

Une vue d'ensemble sur le comportement des moyennes en statistique et en probabilité.

Explore de nouvelles limites pour les sommes de vecteurs aléatoires dépendants en haute dimension.

Une nouvelle méthode pour améliorer la précision de la régression linéaire malgré la variabilité des données.

Explore comment la confidentialité différentielle protège les données individuelles lors de l'analyse collective.

Un aperçu de comment la technique SOS simplifie les tâches d'optimisation complexes.

Examiner le rôle des projections d'information dans les tests d'hypothèses.

Examiner le rôle des champs aléatoires faiblement dépendants dans différentes applications.

Apprends sur les modes et leur importance dans l'analyse de données.

Cette étude examine comment l'irréversibilité impacte l'efficacité du marché des cryptomonnaies.

Apprends à améliorer les estimations moyennes avec l'information de Fisher et des techniques innovantes.

UTOPIA propose une méthode fiable pour créer des intervalles de prévision plus étroits pour des prévisions améliorées.

Une étude sur l'amélioration de l'estimation des effets du traitement en utilisant des données supplémentaires dans les MRT.

Explore comment les jeux statistiques améliorent l’inférence approximative dans l’analyse de données.

Une nouvelle méthode pour les bandits contextuels améliore les résultats de prise de décision dans différents domaines.

Combiner des prédicteurs pour une meilleure précision dans différents contextes.

Explorer l'importance des processus binomiaux négatifs en théorie des probabilités.

Un aperçu de la détection et de la récupération dans des réseaux complexes.

Cet article explore comment estimer les tailles d'ensembles en utilisant des échantillons ponctuels et des fonctions de volume polynomial.

Présentation d'une méthode flexible pour mieux estimer les relations dans des données complexes.

Discuter du rôle des mesures spectrales de Tsirelson dans le filtrage du bruit.

MOP-UP révèle des variations cachées dans des ensembles de données complexes grâce à des techniques innovantes de réduction de dimensions.

Explore comment les DPP fonctionnent et leur importance dans différents domaines.

Une méthode pour améliorer les estimations de régression linéaire dans des contextes de haute dimension.

Une nouvelle méthode pour une meilleure analyse des données dans des ensembles de données complexes.

Explorer la magnétisation et l'estimation des paramètres dans des systèmes complexes.

Un nouveau cadre pour prendre des décisions efficaces dans des scénarios de bandit manchot avec des retours d'infos retardés.

Un aperçu des processus empiriques locaux et de leur rôle dans le contrôle des erreurs.

Des recherches dévoilent de nouvelles méthodes pour adapter des ellipsoïdes à des points de données aléatoires.

Cet article examine comment les solveurs numériques influencent l'estimation des paramètres dans les modèles d'équations différentielles.

Une nouvelle approche pour mesurer le risque en utilisant des méthodes quantiles avancées.