Derniers articles pour Modélisation prédictive

Évaluation des ANN et GEP pour des prévisions précises de pression sur les murs dans les structures d'ingénierie.

Cet article parle du rôle de l'apprentissage automatique dans l'analyse des réactions nucléaires.

Les robots améliorent leurs capacités à interagir et à prédire le comportement humain dans des environnements occupés.

Explorer les complexités de la prédiction structurée dans les applications d'apprentissage automatique.

Apprends comment la classification par voisin le plus proche s'adapte aux défis des environnements en ligne.

Les ensembles de Shapley offrent des insights améliorés sur les interactions entre les fonctionnalités dans les prédictions des modèles.

Une nouvelle méthode de régression linéaire en ligne qui s'adapte à l'arrivée des données.

Une nouvelle méthode pour comparer comment les caractéristiques influencent les résultats dans l'analyse de données.

Découvre comment DeepONet et S-DeepONet transforment la résolution de problèmes en ingénierie.

Une nouvelle méthode prédit comment l'info circule sur WeChat et Weibo.

Cet article explore la relation entre les ODE neuronales et les systèmes LPV dans l'apprentissage automatique.

Une nouvelle méthode améliore la sélection des variables dans les modèles d'analyse de survie.

Une étude examine des modèles qui prédisent les risques de maladies chroniques à partir de données personnelles, génétiques et cliniques.

Des chercheurs développent un modèle rapide pour prédire les rendements de neutrons pour des sources compactes.

Un nouveau cadre pour améliorer les modèles d'apprentissage profond pour les données de séries temporelles.

WGR améliore les techniques de régression pour de meilleures prévisions de résultats.

Cet article parle de comment l'estimation éparse améliore le krigeage pour de meilleures prévisions météorologiques.

Apprends à choisir des modèles prédictifs de manière efficace en utilisant l'inférence bayésienne.

Des méthodes innovantes améliorent les prédictions de l'activité cérébrale et du comportement en utilisant des données complexes.

Les chemins contrefactuels éclairent les prédictions de l'IA dans le secteur de la santé.

Combiner des prédicteurs pour une meilleure précision dans différents contextes.

Une nouvelle méthode combine l'apprentissage par renforcement et des modèles prédictifs pour trader sur le marché boursier malaisien.

Une nouvelle méthode simplifie la sélection des variables pour une meilleure précision des prédictions.

Une nouvelle approche pour gérer l'incertitude dans les modèles d'apprentissage profond.

Cet article présente une méthode pour obtenir plusieurs ensembles de caractéristiques pour la modélisation prédictive.

Une nouvelle façon de prédire comment les gens interagissent avec les objets.

Apprends comment l'apprentissage par ensemble améliore la précision des prédictions malgré le bruit.

Examen de la précision des prévisions de la grippe et des méthodes sur les saisons récentes.

Une nouvelle méthode améliore la précision et l'efficacité des prévisions pour les voitures autonomes en circulation.

Une nouvelle approche améliore les modèles d'apprentissage profond pour la régression non paramétrique en utilisant l'entraînement adversarial.

Des recherches montrent que les réseaux de neurones informés par la physique pourraient bien aider à gérer l'énergie éolienne.

Cet article présente une nouvelle méthode pour prédire des résultats en fonction de facteurs de données.

Une étude révèle des liens entre la structure du cerveau, les facteurs de santé et le vieillissement.

Une méthode pour traiter et regrouper les données de simulation afin d'améliorer les modèles de prédiction.

Une nouvelle méthode améliore les mélanges gaussiens pour de meilleures prédictions dans des distributions complexes.

Une méthode pour dériver des distributions a priori à partir des processus de prise de décision des experts.

Une nouvelle approche pour analyser ADABOOST en utilisant des tableaux de vérité pour mieux comprendre les classifieurs.

OKO améliore la précision des prédictions et la calibration en apprenant à partir d'ensembles de points de données.

Cette méthode améliore les estimations d'incertitude sans avoir besoin de réentraîner le modèle.

DART améliore la prédiction du temps jusqu'à l'événement en utilisant des techniques d'apprentissage profond.