Statistica

Questa ricerca sviluppa metodi per una distribuzione equa delle risorse nonostante il feedback limitato degli utenti.

Uno sguardo a come il framework degli estimand migliora l'analisi delle sperimentazioni cliniche.

Un modo nuovo per capire le complesse connessioni umane attraverso l'analisi fuzzy delle reti sociali.

Uno studio su come il Park-and-Ride può ridurre la congestione e le emissioni.

Le informazioni influenzano parecchio i processi decisionali in tanti campi.

La legge di Benford mostra schemi strani nelle prime cifre tra i set di dati.

Un metodo per un'analisi dettagliata del segnale nel tempo e nella frequenza.

Nuovi metodi migliorano la comprensione dell'universo attraverso i dati del lensing gravitazionale debole.

I ricercatori usano il machine learning per migliorare il rilevamento delle onde solitarie interne nei dati oceanici.

Esaminando il divario tra le élite e le masse nelle discussioni politiche online.

Usare i dati sull'espressione genica per prevedere gli impatti chimici sulla salute e sull'ambiente.

Analizzando metodi tradizionali e di machine learning per gestire i dati mancanti.

Scopri come le vine copule migliorano le previsioni nelle relazioni complesse dei dati.

Un approccio flessibile per analizzare dataset complessi usando i priors annidati di Atomi Condivisi.

Metodi innovativi per recuperare etichette temporali da dati dinamici rumorosi.

Uno sguardo agli algoritmi di collegamento dei record e al loro impatto sull'analisi dei dati.

Questo articolo parla di metodi per campionare dati complessi ad alta dimensione in modo più efficace.

Esplorare i rischi per la privacy nei dati sintetici e introdurre l'Indice di Plagio Dati.

L'apprendimento federato migliora l'imaging medico proteggendo i dati dei pazienti.

Un nuovo metodo combina previsioni bayesiane e copule a vite per un'analisi dei dati migliorata.

Indagare su come il mirror flow minimizza gli errori nei compiti di classificazione.

Scopri come la regressione del kernel e l'aggiornamento bayesiano migliorano le previsioni con i nuovi dati.

Presentiamo PACE, un approccio strutturato per spiegazioni affidabili dell'IA.

Nuovi modelli migliorano le previsioni in ambienti di dati in cambiamento.

Questo articolo parla di metodi per campionare dati complessi ad alta dimensione in modo più efficace.

Un nuovo modo di capire come le azioni si influenzano a vicenda durante i cambiamenti del mercato.

I metodi bayesiani migliorano la velocità e l'accuratezza dell'analisi dei dati per grandi set di dati.

Un nuovo metodo unisce l'inferenza bayesiana e il machine learning per un'analisi dei dati migliore.

Un nuovo metodo per stimare le aspettative condizionali in modo efficiente in ambienti incerti.

Esaminando come i modelli di popolazione plasmino le genealogie e influenzino gli algoritmi genetici.

Nuove tecniche di campionamento migliorano l'efficienza nell'analisi statistica.

Una nuova tecnica che utilizza l'elettrostatica per un migliore campionamento e stima dei dati.

Introducendo un approccio bayesiano per migliorare la selezione delle variabili nei modelli di regressione.

Una guida per ottimizzare la dimensione del sottoprocesso per un'analisi dei dati efficiente.

Scopri come il Cluster Quilting affronta le sfide nell'apprendimento del patchwork con dataset incompleti.

Analizzando metodi tradizionali e di machine learning per gestire i dati mancanti.

Scopri come le vine copule migliorano le previsioni nelle relazioni complesse dei dati.

Un modo nuovo per capire gli effetti causali negli studi di trattamento con variabili continue.

Un approccio flessibile per analizzare dataset complessi usando i priors annidati di Atomi Condivisi.

Un nuovo metodo migliora la modellazione dei dati in aree con informazioni limitate.

Questo articolo parla di metodi per campionare dati complessi ad alta dimensione in modo più efficace.

Scopri come la regressione del kernel e l'aggiornamento bayesiano migliorano le previsioni con i nuovi dati.

Metodi innovativi per recuperare etichette temporali da dati dinamici rumorosi.

Quest'articolo introduce i quantili minimax per avere stime statistiche migliori.

Questo studio esamina i PINN Bayesiani per stimare i parametri delle PDE dai dati rumorosi.

Due nuovi stimatori migliorano l'accuratezza nell'analisi dei dati di risposta agli item.

Esplora come il modello di blocco stocastico aiuta a identificare le comunità nelle reti.

Impara a identificare schemi insoliti nei dati delle serie temporali con la profondità di Markov.