251 artículos
El artículo presenta el Criterio de Información Pivotal (PIC), un método que supera las limitaciones de los criterios Bayesianos y de Akaike al formular la selección de modelos como un problema de optimización continua y ajustar su parámetro de penalización en el umbral de detección bajo ruido puro, logrando así una recuperación exacta del soporte y la selección de modelos más simples con un rendimiento predictivo comparable.
Este trabajo introduce una nueva noción cuantitativa de privacidad, llamada "Privacidad Adversarial Bayesiana", que supera a la privacidad diferencial y a la teoría de divulgación estadística al basarse en la teoría de decisiones bayesianas, donde las decisiones de divulgación se toman desde una perspectiva previa en lugar de condicional a los datos observados.
Este trabajo presenta una perspectiva basada en la verosimilitud para la agregación de densidades mediante medias generalizadas, demostrando teórica y empíricamente que solo el rango de orden garantiza mejoras sistemáticas sobre las distribuciones individuales, lo que justifica el uso predominante de la agregación lineal y geométrica en ensambles profundos.
Este artículo propone un método de inferencia espectral libre de modelos basado en la relación de brechas de autovalores para determinar el número de comunidades en redes, el cual es computacionalmente eficiente, no requiere ajuste de parámetros y es efectivo tanto para redes densas como dispersas con un número divergente de comunidades.