97 Arbeiten
Diese Studie entwickelt eine neue Methode zur Schätzung von Wohnverdrängung im zentralen Puget-Sound-Gebiet unter Verwendung von Haushaltsbefragungsdaten und einem bayesschen spatiotemporalen Modell, um sub-county-spezifische Unterschiede zu identifizieren und die Ergebnisse mit dem American Housing Survey zu validieren.
Die Studie stellt einen neuen, angereicherten Radiomics-Ansatz vor, der strukturelle Merkmale mit funktionalen Daten aus der Leber-MRT kombiniert und durch die Nutzung von EPM-Mustern sowie bayesscher Tensor-Regression eine überlegene Genauigkeit bei der Diagnose und Risikostratifizierung von Leberkrebs im Vergleich zu klassischen Methoden erreicht.
Diese Studie nutzt eine räumlich explizite longitudinale Sequenzanalyse von Ereignisdaten in Afrika, um sechs wiederkehrende Muster langfristiger politischer Gewalt zu identifizieren und deren zeitliche sowie räumliche Interdependenzen jenseits isolierter Konfliktübergänge zu beleuchten.
Die vorgestellte Arbeit stellt ResNMTF vor, einen neuartigen Multi-View-Biclustering-Ansatz auf Basis der nicht-negativen Matrix-Tri-Faktorisierung, der überlappende und nicht-exhaustive Bicluster ohne Vorwissen zur Anzahl identifiziert und durch die Einführung des Bissilhouetten-Scores eine neue Metrik zur Bewertung und Hyperparameter-Optimierung bietet.
Diese Studie entwickelt einen Ansatz zur Quantifizierung von Unsicherheiten in der Konfliktvorhersage, indem sie baumbasierte Ensemble-Methoden nutzt, um statt einzelner Punktvorhersagen vollständige Wahrscheinlichkeitsverteilungen für zukünftige Gewaltdaten zu schätzen, was zu robusteren Prognosen führt.
Die Studie stellt FlowSN vor, ein auf Normalisierenden Flows basierendes Simulations-basiertes Inferenzverfahren, das Selektionseffekte in der Supernova-Kosmologie effektiv korrigiert und dadurch im Vergleich zu herkömmlichen Methoden deutlich weniger verzerrte und besser kalibrierte Schätzungen kosmologischer Parameter liefert.
Diese Arbeit stellt ein statistisch zuverlässiges Optimierungsframework vor, das durch die Korrektur von Hypothesentests für adaptives Sampling und die Einführung einer Zielgröße zur Abwägung von Belohnung und statistischer Effizienz Multi-Armed-Bandits für wissenschaftliche Entdeckungen nutzbar macht, ohne die Gültigkeit der Ergebnisse zu gefährden.
Die Studie stellt einen neuen, statistisch fundierten Schätzer namens „prediction-powered Landy–Szalay" vor, der durch die Kombination von unvollständigen Katalogdaten mit einer kleinen, exakt gelabelten spektroskopischen Teilstichprobe die Verzerrungen der Zwei-Punkt-Korrelationsfunktion in kosmologischen Surveys effektiv korrigiert, ohne dabei auf komplexe Kalibrierungen oder explizite Kontaminationsmodelle angewiesen zu sein.
Diese Studie zeigt, dass die auf Stichproben basierende Zulassung von Prozessfähigkeitsindizes an festen Schwellenwerten (wie ) bei moderaten Stichprobengrößen zu einer inhärenten Entscheidungsinstabilität führt, bei der selbst bei idealen Verteilungsannahmen eine wahre Fähigkeit genau am Schwellenwert zu einer Annahmewahrscheinlichkeit von nur 50 % führt.
Dieses Paper stellt Teleodynamisches Lernen als ein neues Paradigma vor, das maschinelles Lernen als die durch Ressourcen beschränkte Ko-Evolution von Struktur, Parametern und Anpassungsfähigkeit beschreibt und dabei in der Distinction Engine (DE11) eine interpretierbare, selbstorganisierende KI-Methodik mit konkurrenzfähiger Genauigkeit auf Standard-Benchmarks realisiert.
Diese Arbeit stellt einen doppelt robusten Schätzer mit Kreuzvalidierung und einer speziellen Jackknife-HAC-Varianzkorrektur vor, der zuverlässige statistische Inferenz unter räumlicher Abhängigkeit und fehlenden, zufällig verteilten Labels ermöglicht, indem er die durch Kreuzvalidierung verursachte Verzerrung der Varianzschätzer korrigiert.
Diese Studie stellt eine multivariate funktionale Hauptkomponentenanalyse für gemischte mHealth-Daten (FPCA) vor, die auf einem semiparametrischen Gaußschen Copula-Modell basiert, um latente zeitliche und intervariable Abhängigkeiten zu schätzen und als digitale Biomarker zur Stratifizierung von Stimmungsstörungs-Subtypen zu nutzen.
Diese Arbeit stellt die dynamische bayessche Regressionsquantilsynthese (DRQS) und ihre multivariate Erweiterung (FDRQS) vor, die durch die Kombination von Quantilinformationen mehrerer Agentenmodelle mittels asymmetrischer Laplace-Verteilung und latenter Faktoren eine überlegene Prognose von Risikoquantilen, insbesondere in Krisenzeiten wie der COVID-19-Pandemie, ermöglichen.
Dieses Papier vertieft die Diskussion um eine neue, auf dem klassischen Chain-Ladder-Verfahren basierende Perspektive für das individuelle Schadenreservierung, um eine praktikable und robuste Standardmethode für die Mikroebene zu etablieren.
Dieser Artikel erweitert die theoretischen und inferenzstatistischen Ergebnisse der Unit-Teissier-Verteilung durch die Herleitung geschlossener Ausdrücke für Ordnungsstatistiken und L-Momente, die Untersuchung verschiedener Parameterschätzverfahren sowie die Validierung mittels Simulationen und realer Daten.
Dieser Artikel leitet eine einheitliche Formel für die effektiven Freiheitsgrade von Varianzschätzern mittels Balanced Repeated Replication (BRR) und gepaartem Jackknife in geschichteten Stichproben her, indem er die Unabhängigkeit der stratum-spezifischen Komponenten nutzt, um eine direkte Verbindung zur Welch-Satterthwaite-Approximation herzustellen.
Die Studie vergleicht verschiedene Überlebensmodelle zur Schätzung der zeitlichen Struktur von Kreditausfallrisiken unter IFRS 9 und stellt fest, dass das diskrete Hazard-Modell die anderen Zwei-Stufen-Modelle übertrifft, während ein einstufiges Modell aufgrund der spezifischen Verteilung der Ausfallverluste dennoch die besten Ergebnisse liefert.
Die Autoren stellen einen neuen, robusten Schätzer für polychorische Korrelationen vor, der ohne Annahmen über Art oder Ausmaß von Modellmisspezifikationen auskommt, die Maximum-Likelihood-Methode verallgemeinert und insbesondere durch die Identifizierung von unachtsamen Befragten in Ratingdaten zuverlässigere Ergebnisse liefert.
Dieser Beitrag stellt ein vollautomatisches, auf BDI-Architekturen basierendes Multi-Agenten-System für integrierte Luftverteidigung vor, das durch Meta-Ebenen-Planung eigenständig Ziele erkennt, Bedrohungen bewertet und Waffen zuweist, um die Kommando- und Kontrollautonomie im Netzwerkzentrierten Krieg zu gewährleisten.
Dieser Artikel stellt ein bayessches, diskretes stochastisches Epidemiemodell vor, das unter Berücksichtigung von Mobilitätsdaten und unvollständigen Fallzahlen die Gesamtzahl der SARS-CoV-2-Infektionen schätzt, Hamiltonian Monte Carlo als robuste Inferenzmethode gegenüber Variational Bayes empfiehlt und durch Phasenebenenanalysen sowie informative Prioris die Entscheidungsfindung während der Pandemie verbessert.