Estatística - Aprendizagem automática

Um olhar sobre como distribuições estáveis impactam o desempenho de redes neurais profundas.

DiscoVars melhora a análise de dados com métodos eficazes de seleção de variáveis.

PriorCVAE acelera a inferência bayesiana enquanto preserva os principais parâmetros do modelo.

Apresentando métodos melhorados para avaliação de dados em K-Vizinhos Mais Próximos.

Aprenda como variáveis proxy ajudam a descobrir relações causais ocultas na pesquisa.

Aprenda como os modelos de difusão refletida melhoram a geração de dados mantendo limites válidos.

Uma comparação entre HMC e MALA para amostragem eficiente de distribuições complexas.

Novas técnicas melhoram a geração de dados em ambientes complexos.

A filtragem de tendência em gráficos melhora a análise de sinais gráficos barulhentos de forma eficaz.

Esse artigo explora o uso de RL pra personalizar intervenções de saúde.

Uma nova abordagem melhora as previsões da intensidade de ciclones tropicais usando seleção de características causais.

Um novo método melhora a eficiência dos processos gaussianos usando funções B-spline.

Um guia sobre como aplicar métodos Bayesianos para analisar relacionamentos em dados de resultados binários.

Técnicas para identificar sinais significativos escondidos dentro de dados barulhentos.

Uma olhada na tomada de decisão em ambientes incertos através do controle estocástico.

Um método pra melhorar o desempenho da inferência variacional e facilitar a otimização.

O GLASS melhora a comunicação de pacientes com ELA usando sinais do cérebro.

Este artigo discute métodos de exploração eficientes em aprendizado por reforço sem conhecimento prévio das recompensas.

Explorando como o Wasserstein PAC-Bayes melhora o desempenho do algoritmo em dados que não foram vistos.

Descubra como o ProbDR transforma a redução de dimensionalidade usando modelos probabilísticos.

Esse artigo fala sobre generalização fora da variável em aprendizado de máquina.

Uma nova forma de pensar sobre o design de experimentos em ciência e engenharia.

Data-OOB oferece uma avaliação de dados eficiente pra melhorar o desempenho do modelo.

TiDE combina simplicidade e eficácia para previsões de séries temporais a longo prazo.

Este artigo fala sobre as dificuldades de definir a aprendibilidade para diferentes distribuições de probabilidade.

Novos métodos melhoram circuitos probabilísticos para previsões e inferências causais mais precisas.

O Sharp-SSL melhora a classificação selecionando de maneira eficiente as características importantes no aprendizado semi-supervisionado.

Aprenda como os espaços de Hilbert de Bayes melhoram a estatística bayesiana com grandes conjuntos de dados.

O Lasso adaptativo melhora a análise de dados lidando com outliers e fornecendo estimativas confiáveis.

Uma olhada em maneiras melhores de estimar a correlação cruzada.

Um novo método melhora a estimativa de densidade de probabilidade conjunta com dados de dimensão mais baixa.

Este artigo analisa como a escolha do kernel afeta a precisão da estimativa modal em estatística.

Aprenda como as redes neurais funcionam e suas aplicações em várias áreas.

Um novo método pra melhorar a aprendizagem com dados ruidosos em machine learning.

Explorando como a multicalibração melhora a justiça nas previsões de IA.

Introduzindo técnicas pra melhorar a tomada de decisão em ambientes incertos.

Novos métodos melhoram o aprendizado em redes neurais com dados ruidosos.

A SILVR facilita a criação de novos candidatos a medicamentos usando aprendizado de máquina e fragmentos conhecidos.

Uma visão geral do crescimento da computação bayesiana e sua integração com aprendizado de máquina.

Novas ideias sobre o desempenho e a convergência das Redes Neurais Gráficas.