97 articoli
Questo studio propone un nuovo metodo basato su modelli bayesiani e dati di sondaggi familiari per stimare lo spostamento residenziale a livello sub-contee nella regione del Puget Sound centrale, rivelando variazioni geografiche e una temporanea riduzione del fenomeno tra il 2020 e il 2021.
Lo studio presenta un framework di radiomica arricchito che integra dati strutturali classici con nuove caratteristiche funzionali derivate dalle mappe di pattern di enhancement (EPM) della risonanza magnetica epatica, dimostrando prestazioni superiori nella classificazione diagnostica e nella stratificazione del grado tumorale rispetto ai metodi tradizionali.
Questo studio introduce un'analisi longitudinale spaziale dei dati ACLED per l'Africa (1997-2024) che, superando i modelli tradizionali focalizzati sulle singole transizioni, identifica sei traiettorie ricorrenti di violenza politica e ne rivela l'interdipendenza spaziale, offrendo un quadro concettuale per comprendere i cicli di vita dei conflitti.
Il paper propone ResNMTF, un nuovo approccio di biclustering multi-vista basato sulla fattorizzazione tri-nonnegativa di matrici che identifica automaticamente cluster sovrapposti e non esaustivi senza conoscere a priori il loro numero, introducendo inoltre il punteggio "bisilhouette" come misura intrinseca valida per la valutazione e la regolazione degli iperparametri.
Questo studio propone un approccio basato su ensemble di alberi decisionali per stimare intere distribuzioni di probabilità dei futuri conflitti violenti a livello di griglia spaziale, superando le limitate previsioni puntuali tradizionali e dimostrando prestazioni superiori rispetto ai benchmark storici, anche in contesti ad alta incertezza e con dati fortemente sbilanciati.
Il paper presenta FlowSN, un nuovo framework statistico basato su flussi normalizzanti e inferenza simulata che corregge efficacemente gli effetti di selezione nelle osservazioni di supernove di Tipo Ia, riducendo significativamente i bias nelle stime dei parametri cosmologici rispetto alle tecniche convenzionali.
Questo lavoro presenta un quadro di ottimizzazione unificato per gli esperimenti a bandit che risolve i problemi di validità statistica e di compromesso tra ricompensa cumulativa ed efficienza, consentendo ai ricercatori di migliorare i risultati scientifici mantenendo la validità dei test statistici.
Il paper introduce un nuovo stimatore "prediction-powered Landy–Szalay" (PP-LS) che combina dati etichettati rumorosi con un piccolo subset di dati spettroscopici precisi per correggere i bias di contaminazione spaziale nella stima della funzione di correlazione a due punti, garantendo risultati privi di distorsioni e a bassa varianza senza richiedere modelli espliciti di contaminazione.
Questo studio dimostra che le decisioni di approvazione basate su indici di capacità del processo (come ) vicino a soglie fisse sono intrinsecamente instabili in campioni finiti, rivelando un rischio decisionale significativo e non trascurabile anche in condizioni ideali.
Il paper introduce l'Apprendimento Teleodinamico, un nuovo paradigma ispirato ai sistemi viventi che tratta l'intelligenza come un processo dinamico vincolato di co-evoluzione tra struttura, parametri e risorse, permettendo di ottenere modelli interpretabili con prestazioni competitive senza la minimizzazione di un obiettivo fisso.
Il paper propone un stimatore doppiamente robusto con correzione della varianza jackknife HAC per garantire inferenze spaziali valide e intervalli di confidenza stabili in presenza di etichette mancanti a caso e dipendenza spaziale, risolvendo il problema della distorsione statistica indotta dal cross-fitting.
Il paper propone un metodo di Analisi delle Componenti Principali Funzionali Multivariate per dati misti (FPCA), basato su un modello di copula gaussiana semiparametrico, che integra dati mHealth eterogenei per identificare biomarcatori digitali e stratificare i sottotipi di disturbi dell'umore analizzando i pattern temporali condivisi.
Questo articolo propone la sintesi di regressione bayesiana dinamica quantile (DRQS) e la sua estensione fattoriale multivariata (FDRQS), nuovi metodi che combinano informazioni da modelli multipli per migliorare le previsioni quantili, dimostrando una particolare resilienza durante periodi di stress economico come la pandemia di COVID-19.
Questo articolo mira a consolidare e approfondire il dibattito sulla riserva dei sinistri a livello individuale, proponendo un nuovo approccio basato sul metodo chain-ladder classico per superare le limitazioni delle metodologie esistenti e stabilire un nuovo standard pratico.
Questo articolo amplia la teoria e l'inferenza della distribuzione Unit Teissier fornendo nuove espressioni analitiche per momenti e L-momenti, caratterizzazioni basate su momenti troncati, una valutazione comparativa estesa di molteplici metodi di stima attraverso simulazioni e l'applicazione a un dataset reale.
Questo articolo presenta un approccio unificato per stimare i gradi di libertà effettivi nelle varianze ottenute tramite Balanced Repeated Replication e Jackknife accoppiato, dimostrando come le proprietà di indipendenza dei contrasti stratali permettano di derivare una formula pratica per l'approssimazione di Welch-Satterthwaite necessaria alla costruzione di intervalli di confidenza.
Questo studio compara diversi modelli di sopravvivenza e di regressione logistica per stimare la struttura temporale del rischio di scrittura dei prestiti ai sensi dell'IFRS 9, concludendo che, sebbene il modello a rischio discreto (DtH) superi gli altri approcci a due stadi, un modello LGD a stadio singolo rimane superiore grazie alla specifica distribuzione "a L" dei dati.
Questo articolo propone un nuovo stimatore robusto per la correlazione policonica che, minimizzando una funzione di perdita basata sulla divergenza tra frequenze osservate e teoriche, supera i limiti della massima verosimiglianza di fronte a violazioni delle assunzioni di normalità latente e alla presenza di rispondenti negligenti, garantendo consistenza, distribuzione asintotica normale e costi computazionali equivalenti.
Questo articolo presenta un sistema di difesa aerea integrato basato su agenti che utilizza l'architettura BDI e il ragionamento sui piani per automatizzare completamente le funzioni di comando e controllo, come il rilevamento, la valutazione delle minacce e l'allocazione delle armi, senza necessità di input manuali.
Questo articolo presenta un approccio bayesiano per sintetizzare dati pubblici e modellare la trasmissione di SARS-CoV-2, permettendo di stimare il numero totale di infezioni, valutare l'impatto della mobilità e confrontare metodi di inferenza come Hamiltonian Monte Carlo rispetto alla variational Bayes per supportare le decisioni durante la pandemia.