95 articles
Cet article propose une approche basée sur des modèles pour isoler et décomposer les effets de consommation énergétique spécifiques aux algorithmes de contrôle intelligent dans les bâtiments chauffés par réseau, en utilisant des données réelles sur dix ans pour surmonter les limites des méthodes de suivi traditionnelles.
Cet article propose TV-Select, un cadre unifié basé sur une pénalisation double (Lasso de groupe et lissage) pour identifier simultanément les variables pertinentes et déterminer si leurs effets dans les modèles longitudinaux sont constants ou variables dans le temps, surmontant ainsi les limites des modèles linéaires mixtes et des modèles à coefficients variables.
Cette étude propose un système d'aide à la décision basé sur les processus neuronaux qui, en prédisant probabilistiquement l'évolution des signes vitaux des patients, identifie plus efficacement ceux éligibles au passage des antibiotiques intraveineux aux formes orales, surpassant ainsi les approches traditionnelles et améliorant la gestion des antibiotiques.
Cet article propose deux mesures probabilistes, le taux de reproductibilité (RR) et le taux de fausse irréproductibilité (FIR), pour évaluer quantitativement la fiabilité des associations positives dans les études d'association pangénomique (GWAS) lors des études de réplication.
Cet article propose une nouvelle méthode d'analyse conjointe basée sur le contrôle du taux de fausses découvertes locales (Jlfdr) qui s'avère plus puissante que les méta-analyses classiques pour l'étude de données hétérogènes issues de multiples études d'association pangénomique (GWAS).
Ce papier présente EarthquakeNPP, une nouvelle plateforme de benchmarking qui corrige les failles des évaluations précédentes et démontre que, contrairement aux attentes, les processus ponctuels neuronaux actuels ne surpassent pas le modèle sismologique classique ETAS pour la prévision des tremblements de terre.
Cet article propose une méthode de calibration des essais cliniques qui établit un lien formel entre la signification statistique et clinique, démontrant que les designs standards fournissent une preuve robuste de déséquilibre d'équipe tout en identifiant les limites des résultats incohérents entre les phases 2 et 3.
Cet article propose une nouvelle approche pilotée par les données pour optimiser les politiques de tarification et de gestion des stocks en environnement hors ligne, en surmontant les défis posés par la demande censurée et dépendante grâce à l'approximation par des processus de décision markoviens d'ordre élevé et à l'estimation de politiques optimales via des algorithmes inspirés de l'apprentissage par renforcement hors ligne et de l'analyse de survie.
Ce papier propose un cadre méthodologique pour déterminer empiriquement les variables de personnalisation des interventions adaptatives, en soulignant que bien que les données observationnelles secondaires puissent être utilisées, les essais randomisés d'optimisation fournissent les preuves causales les plus directes pour définir les mesures, les moments et les seuils de décision.
Cet article propose des réseaux de neurones bayésiens singuliers qui, en paramétrant les poids via une décomposition de rang faible, réduisent considérablement le nombre de paramètres tout en améliorant la calibration, la détection hors distribution et les performances prédictives par rapport aux approches classiques.
Le papier propose SEED-SET, un cadre de conception expérimentale bayésienne qui combine évaluations objectives et jugements subjectifs des parties prenantes via des processus gaussiens hiérarchiques pour optimiser le test éthique des systèmes autonomes.
Cette étude propose une méthode innovante de sous-typage du cancer basée sur le clustering de graphes informé par les trajectoires, qui intègre des données cliniques multimodales et longitudinales pour identifier des sous-groupes de patients aux profils évolutifs et pronostiques distincts, dépassant ainsi les limites des approches statiques traditionnelles.
Cet article propose et évalue deux nouveaux algorithmes de g-computation capables d'estimer simultanément les effets causaux d'interventions temporelles dans le contexte d'événements semi-compétitifs et de facteurs de confusion variables dans le temps, démontrant leur supériorité par simulation et leur application à l'étude de l'impact de l'arrêt du tabagisme sur l'hypertension et la mortalité.
Ce papier présente BSync, un cadre bayésien qui synchronise les enregistrements paléoclimatiques bruyants en inférant une fonction de transformation temporelle monotone avec une quantification rigoureuse de l'incertitude, surpassant ainsi les méthodes d'alignement optimisation existantes, notamment lorsque les contraintes chronologiques indépendantes sont rares.
Cet article propose la régression Gimbal, un cadre de régression locale déterministe et géométriquement conscient qui améliore la stabilité numérique et la transparence diagnostique face à l'hétérogénéité spatiale et aux problèmes de conditionnement.
En analysant les observations JWST de la face avant d'Europe, cette étude révèle que l'enrichissement en CO₂ et les signatures de texture de la glace, répartis en motifs complexes, témoignent de processus de surface influencés par la microphysique près de la surface et offrant de nouvelles perspectives sur les échanges entre la surface et l'intérieur de la lune ainsi que sur son habitabilité.
Cet article propose une approche de prédiction conforme, à la fois agnostique du modèle et sans hypothèse de distribution, pour construire des intervalles de prévision dans des séries temporelles fonctionnelles de haute dimension, en comparant les performances des méthodes de prédiction conforme fractionnée et séquentielle sur des données de mortalité par âge au Japon et au Canada.
Cet article présente une implémentation Python de nouveaux outils géométriques pour l'espace des formes de Kendall en 3D, comblant ainsi le manque de fonctionnalités spécialisées dans la bibliothèque Geomstats afin de faciliter l'analyse pratique des structures géométriques.
Motivé par un essai clinique sur le cancer gastrique, cet article propose un cadre bayésien de conception et d'analyse pour les essais de précision qui intègre des données externes via un modèle de pondération individuelle basé sur la similarité des covariables, permettant un emprunt partiel d'information pour améliorer l'estimation des effets dans des sous-groupes rares.
Cet article examine comment le choix de l'estimande dans les essais de non-infériorité, conformément à l'addendum ICH E9(R1), influence la détermination de la marge de non-infériorité en démontrant, via des simulations dans le domaine de la gestion du poids, que la marge historique dépend de la stratégie des événements intercurrents et peut varier même pour des questions d'étude similaires.