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.

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.

Esaminare la sopravvivenza dei pazienti con modelli polihazard migliora l'accuratezza dei dati e le decisioni terapeutiche.

Nuovi metodi di filtraggio migliorano le previsioni climatiche e il processo decisionale.

Esplorando nuovi algoritmi per la classificazione multiclasse in condizioni di feedback limitato.

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.

Nuovi metodi di attenzione migliorano i modelli transformer in efficienza e prestazioni.

L'attenzione ellittica migliora la concentrazione e le prestazioni nei compiti di intelligenza artificiale.

RPC-Attention migliora i modelli di auto-attenzione per avere prestazioni migliori sui dati rumorosi.

Un nuovo metodo che combina i punti di forza del Sliced e del Tree Wasserstein per l'analisi dei dati dinamici.

La calibrazione fa in modo che le previsioni siano in linea con i risultati reali in vari campi.

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.

Nuovi approcci per affrontare in modo efficiente sistemi lineari complessi.

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.

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.

Impara tecniche per stimare valori mancanti in sequenze stocastiche stazionarie.

Un approccio di test in due fasi semplifica le interazioni tra variabili genetiche numerose.