97 articles
Cet article propose une nouvelle méthode utilisant des modèles bayésiens spatiotemporels et des données d'enquêtes ménages pour estimer et cartographier les taux de déplacement résidentiel au niveau sous-comtal dans la région du Puget Sound central, révélant des disparités géographiques et une modération temporaire des déplacements durant la période 2020-2021.
Cette étude propose un cadre de radiomique enrichi intégrant des informations fonctionnelles dérivées de l'imagerie par résonance magnétique du foie, démontrant une performance supérieure à la radiomique classique pour la classification diagnostique et la stratification du risque dans les cancers hépatiques.
En utilisant une analyse séquentielle longitudinale spatialement explicite sur les données de l'ACLED couvrant l'Afrique de 1997 à 2024, cette étude identifie six trajectoires récurrentes de violence politique et met en évidence leur interdépendance spatiale, dépassant ainsi les modèles traditionnels axés sur des transitions discrètes pour mieux comprendre les cycles de vie des conflits.
Ce papier propose ResNMTF, une nouvelle méthode de biclustering multi-vues basée sur la factorisation tri-négative de matrices, capable d'identifier des biclusters sans connaissance préalable de leur nombre tout en introduisant le score de bisilhouette pour l'évaluation et le réglage des hyperparamètres.
Cet article propose une méthode basée sur des ensembles d'arbres de décision et des régresseurs distributionnels pour estimer des distributions de probabilité complètes des futurs conflits violents, surmontant ainsi les limites des prévisions ponctuelles traditionnelles et démontrant une amélioration significative des performances prédictives jusqu'à un an à l'avance.
L'article présente FlowSN, un cadre d'inférence basé sur la simulation utilisant des flux normalisants pour corriger les effets de sélection dans la cosmologie des supernovae de type Ia, permettant d'obtenir des contraintes sur les paramètres cosmologiques avec une précision et une calibration supérieures aux techniques conventionnelles.
Ce papier propose un cadre d'optimisation statistiquement fiable qui permet d'adapter les tests d'hypothèses classiques aux données collectées par des bandits multi-bras, offrant ainsi aux chercheurs un moyen équilibré de maximiser les récompenses cumulées et l'efficacité statistique dans la découverte scientifique.
Cet article présente un estimateur Landy–Szalay « alimenté par la prédiction » (PP–LS) qui combine des étiquettes d'inclusion bruitées d'un grand catalogue avec un sous-ensemble spectroscopique de référence pour corriger les biais de contamination spatiale dans l'estimation de la fonction de corrélation à deux points, offrant ainsi une méthode statistiquement rigoureuse, peu coûteuse en calcul et compatible avec les pipelines standards pour les futures enquêtes cosmologiques.
Cette étude démontre que les décisions d'approbation basées sur des seuils fixes d'indices de capacité de processus (comme ) souffrent d'une instabilité décisionnelle inhérente et d'un risque de rejet significatif lorsque la capacité réelle se situe près du seuil, en raison de la variabilité stochastique des estimateurs calculés sur des échantillons de taille modérée.
Ce papier présente l'apprentissage téléodynamique, un nouveau paradigme inspiré des systèmes vivants qui redéfinit l'apprentissage comme l'émergence d'une organisation fonctionnelle sous contrainte via la co-évolution de la structure, des paramètres et des ressources, permettant ainsi de créer des modèles d'IA interprétables et auto-stabilisants sans minimisation d'objectif fixe.
Cet article propose un estimateur doublement robuste corrigé par une méthode jackknife HAC pour assurer une inférence spatiale valide et des intervalles de confiance fiables dans des scénarios de données manquantes au hasard et de dépendance spatiale, où les méthodes traditionnelles échouent en raison de la corrélation induite par le cross-fitting.
Cet article propose une nouvelle méthode d'analyse en composantes principales fonctionnelles multivariées pour données mixtes (FPCA), basée sur un modèle de copule gaussienne semi-paramétrique, afin d'identifier des biomarqueurs numériques temporels permettant de stratifier les sous-types de troubles de l'humeur à partir de données de santé mobile hétérogènes.
Cet article propose une nouvelle méthode de synthèse bayésienne dynamique des régressions quantiles (DRQS), étendue à un cadre multivarié (FDRQS) via des facteurs latents, qui améliore la prévision des risques en combinant efficacement les informations de multiples modèles, notamment lors de périodes de stress économique extrême comme la pandémie de COVID-19.
Cet article vise à approfondir le débat sur la provisionnement des sinistres individuels en proposant une nouvelle méthodologie fondée sur la méthode chain-ladder classique, afin de surmonter les limites des approches existantes et d'établir une nouvelle norme pour la réserve au niveau micro.
Cet article développe de nouveaux résultats théoriques et inférentiels pour la distribution Unit Teissier, notamment des expressions fermées pour les moments et les L-moments des statistiques d'ordre, tout en évaluant et en comparant diverses méthodes d'estimation des paramètres via des simulations et une application sur des données réelles.
Cet article propose une approche unifiée démontrant que les estimateurs de variance par répliques équilibrées (BRR) et par jackknife appariée dans les échantillons stratifiés à deux unités primaires peuvent tous deux être décomposés en composantes indépendantes, permettant ainsi de dériver une formule pratique pour estimer les degrés de liberté effectifs via l'approximation de Welch-Satterthwaite.
Cette étude de référence propose une méthode d'analyse de survie pour modéliser la structure par terme du risque de dépréciation des prêts sous IFRS 9, démontrant que si un modèle de hazard discret en deux étapes surpasse les autres approches à deux étapes, un modèle unique reste optimal en raison de la distribution spécifique des pertes dans les données.
Cet article propose un nouvel estimateur robuste de la corrélation polychorique, conçu pour résister aux erreurs de spécification du modèle (comme les réponses négligentes) sans hypothèses préalables sur leur nature, tout en conservant les propriétés statistiques et le coût computationnel de l'estimation par vraisemblance maximale.
Ce papier présente un système de défense aérienne intégré autonome basé sur des agents BDI capables de détecter, évaluer les menaces et allouer des armes sans intervention humaine, offrant ainsi une solution avancée pour la guerre en réseau du futur.
Cet article propose une synthèse bayésienne de données publiques via un modèle stochastique discret pour estimer le nombre total d'infections de SARS-CoV-2, en évaluant l'efficacité de l'inférence par Hamiltonian Monte Carlo, en intégrant des données de mobilité et en enrichissant l'analyse décisionnelle grâce à une approche vectorielle des dynamiques épidémiques.