335 articles
La physique des données-analytiques explore comment les mathématiques et les statistiques éclairent les phénomènes naturels, transformant des observations brutes en lois fondamentales. Sur Gist.Science, nous rendons ces travaux complexes accessibles à tous, en décryptant les mécanismes qui régissent notre univers sans jargon inutile.
Chaque nouveau prépublication dans ce domaine provenant d'arXiv est analysé par nos soins. Nous proposons systématiquement deux versions de chaque article : un résumé clair pour le grand public et une explication technique détaillée pour les experts, garantissant ainsi une compréhension approfondie quelle que soit votre expertise.
Découvrez ci-dessous la sélection la plus récente de ces recherches passionnantes, où la rigueur scientifique rencontre la clarté de l'explication.
Cette étude démontre que la combinaison d'expériences automatisées à haut débit et d'une réduction de données pour extraire un sous-ensemble canonique représentatif, ou « manuel », permet d'entraîner des modèles d'apprentissage automatique précis et interprétables sur l'interaction aile-turbulence, atteignant une performance comparable à celle d'ensembles de données beaucoup plus vastes.
Cette étude révèle que les fluctuations de la puissance éolienne au sein d'un parc sont régies par des corrélations collectives et non linéaires, expliquant l'intermittence et la persistance de la production globale à travers des transitions d'échelle dynamique et des caractéristiques non gaussiennes.
Cette étude analyse les distributions stationnaires du modèle de Chiarella étendu en identifiant les conditions de bifurcation (unimodalité versus bimodalité) selon les régimes de tendance et de retour à la moyenne, tout en rectifiant certaines conclusions de la littérature existante.
Cette étude propose une méthode d'inférence basée sur l'algorithme d'évolution différentielle pour estimer les paramètres et reconstruire les variables cachées de modèles à champ moyen à partir d'une seule observation scalaire issue de réseaux de neurones finis.
Ce papier présente une méthode simple et flexible pour générer des champs multifractaux aux propriétés de mise à l'échelle contrôlées, tout en proposant une approche inverse pour analyser et caractériser des données expérimentales, comme la rugosité d'un alliage métallique fracturé.
Cette étude analyse le réseau de transactions commerciales entre les villes de l'État du Ceará, au Brésil, en utilisant des données de facturation électronique pour identifier des communautés économiques et démontrer, via des modèles d'entropie maximale, que ces réseaux fonctionnent à un état de cohésion critique.
Pour pallier l'incapacité des modèles ERG linéaires à reproduire la variance des degrés, cet article propose une variante « adoucie » du modèle à deux étoiles, basée sur des paramètres de fitness, capable de reproduire les deux premiers moments de la distribution empirique des degrés.
Ce papier propose un algorithme de partitionnement hiérarchique basé sur la topologie qui, grâce à sa flexibilité de distance, permet d'identifier des grappes de formes arbitraires et des points aberrants dans divers types de données complexes.
Ce document propose le processus Poisson Log-Normal (PoLoN), une approche non paramétrique basée sur les processus gaussiens permettant de modéliser, prédire et extraire des signaux à partir de données de comptage discrètes.
Ce document présente `PoissonRatioUQ`, un package R dédié à la modélisation bayésienne et à la quantification de l'incertitude pour les rapports de moyennes de Poisson, incluant des options pour les données spatiales et des transformations de puissance.