257 articoli
Questo articolo stabilisce un quadro termodinamico per la modellazione basata sui dati fondato sul Principio di Massima Entropia di Jaynes, che tratta l'inferenza come un processo fisico governato da una Prima Legge della termodinamica dell'informazione e utilizza anomalie della capacità termica per identificare endogenamente architetture di modello ottimali senza regolarizzazione ad hoc.
Questo articolo introduce la "raggiungibilità geostatistica", un framework calibrato tramite simulazione che qualifica le classi di modelli spaziali valutando se qualsiasi membro ammissibile possa riprodurre specifici diagnostici strutturali prima della classificazione predittiva, distinguendo così la compatibilità strutturale e l'osservabilità dalla mera performance predittiva.
Questo articolo introduce una nuova distribuzione Weibull-Kumaraswamy-Lomax generalizzata a sei parametri utilizzando il framework della famiglia T-X, derivando le sue funzioni fondamentali e proponendo una nuova espansione in serie lineare per la sua funzione di densità di probabilità al fine di semplificare il calcolo dei momenti grezzi e dell'entropia.
Questo articolo sostiene che l'abilità di previsione dei modelli di apprendimento automatico per la domanda elettrica urbana sia determinata principalmente dalla prevedibilità intrinseca dei modelli di carico storici di una città (specificamente la varianza stagionale e la sensibilità alla temperatura) piuttosto che dalle caratteristiche strutturali o dalla posizione geografica della città.
Questo studio stabilisce l'algoritmo Top-Down Scale (TDS) come un benchmark computazionalmente efficiente e statisticamente robusto per la regressione Multiscale Geographically and Temporally Weighted, dimostrandone la superiorità rispetto ai metodi esistenti nel recupero dei parametri e nella calibrazione dell'incertezza, rivelando al contempo distinti driver urbani multiscala a San Paolo attraverso un'analisi longitudinale di 34.938 osservazioni censuarie.
Questo studio sviluppa e valida un modello di apprendimento automatico ensemble basato su Stacking utilizzando 5,7 milioni di record di carica virale dall'Uganda per prevedere accuratamente la carica virale della visita successiva per i clienti ART, ottenendo prestazioni superiori con un R² di 0,85 e utilizzando LIME per l'interpretabilità del modello.
Questo articolo introduce un flusso di lavoro indipendente dal modello per distinguere la reale dipendenza dalla scala locale dai trend artificiali causati dal mescolamento regionale nelle distribuzioni delle dimensioni dei blocchi urbani, dimostrando attraverso un'analisi completa di Tokyo che, mentre l'eterogeneità regionale appiattisce la coda della distribuzione, i blocchi più piccoli esibiscono un significativo rialzo locale che non può essere spiegato solo dagli effetti compositivi.
Questo articolo propone e valida due tipi di modelli a indice singolo incerti utilizzando la stima semiparametrica dei minimi quadrati con metodi kernel e B-spline per gestire efficacemente dati complessi e imprecisi, come dimostrato attraverso studi di simulazione e un'applicazione meteorologica pratica.
Questo articolo presenta lo sviluppo teorico e la struttura della Practitioner Allegiance Risk Scale (PARS-6), un nuovo strumento di sei item progettato per esaminare e documentare sistematicamente le caratteristiche legate all'alleganza dell'investigatore durante l'estrazione dei dati nelle revisioni sistematiche della ricerca sugli interventi, chiarendo esplicitamente che esso funge da indicatore descrittivo del rischio piuttosto che da misura definitiva di bias.
Questo studio utilizza i dati bibliometrici di SciVal e modelli di previsione per rivelare che, sebbene le università statali filippine abbiano aumentato significativamente i volumi di pubblicazione dal 2015 al 2025, disparità regionali sostanziali e persistenti nella produzione e nell'impatto della ricerca — guidate dalla Regione III — continueranno fino al 2030 senza investimenti mirati nel rafforzamento delle capacità piuttosto che incentivi uniformi.