110 articoli
Questo articolo introduce un nuovo modello strutturale eteroschedastico che stima la variabilità specifica per area e gli impatti spaziali ritardati senza assumere l'omoschedasticità trasversale, dimostrato attraverso un'analisi della relazione tra temperatura globale, uso di combustibili fossili ed emissioni di carbonio in sette paesi del Sud America.
Questo articolo propone un metodo efficiente di analisi dell'affidabilità che integra processi gaussiani locali, una nuova funzione di apprendimento adattiva e sottospazi attivi per superare i limiti degli approcci basati sull'ottimizzazione globale nella stima delle probabilità di guasto per problemi di eventi rari ad alta dimensionalità e altamente non lineari.
Questo articolo introduce EPR-C3, un'euristica deterministica e consapevole dei vincoli che identifica efficientemente sottoinsiemi di predittori di alta qualità e statisticamente ammissibili per la regressione lineare multipla ad alta dimensionalità combinando una ricerca strutturata di vicinato con specifici passaggi di raffinamento, offrendo un'alternativa computazionalmente trattabile all'enumerazione esaustiva pur superando i metodi di selezione esistenti.
Questo studio utilizza simulazioni Monte Carlo e validazione empirica per identificare le combinazioni ottimali di strategie di imputazione dei dati mancanti e di controllo dei confonditori per l'inferenza causale longitudinale, dimostrando che l'imputazione multipla o la foresta casuale accoppiate con la stima a robustezza doppia producono le migliori prestazioni per gli effetti eterogenei in assenza di confondimento non misurato.
Questo articolo propone un modello SEIR generalizzato a sei equazioni che incorpora reinfezioni, neonati, vaccinazioni e un compartimento degli esposti per affrontare i limiti precedenti, introduce un nuovo numero di riproduzione basato sulla dinamica della popolazione esposta per il controllo delle epidemie, e utilizza questo framework per prevedere una risorgenza dei casi di pertosse in Inghilterra durante la metà o la fine del 2027.
Questo studio dimostra che ricalcolare i fattori di impatto delle riviste escludendo gli outlier estremi di citazioni dal campione dei documenti, con una soglia di ritenzione ottimale del 90%, riduce efficacemente le fluttuazioni degli indicatori e migliora la stabilità e la razionalità dei sistemi di valutazione delle riviste.
Questo articolo dimostra che il potere sociale pesato sulla varianza (F) di una rete determina simultaneamente il costo informativo minimo richiesto per indirizzare il consenso di un gruppo verso un valore falso e la difficoltà di rilevare tale attacco, rivelando che concentrare l'influenza per migliorare l'accuratezza collettiva aumenta intrinsecamente la vulnerabilità della rete alla manipolazione indetectabile.
Questo articolo introduce Sketch-FORCE, un algoritmo di streaming sub-quadratico che combina il tracciamento robusto della scala con lo sketching matriciale Frequent Directions per consentire una stima della covarianza efficiente e a basso consumo di memoria per dati ad alta dimensionalità sotto contaminazione a code pesanti e outlier avversari.
Questo studio valuta un framework di validazione proporzionata per l'estrazione di dati assistita dall'IA utilizzando Elicit all'interno di una revisione sistematica di scoping in ambito sanitario, dimostrando che l'elevato accordo tra l'IA e l'estrazione umana (AC2 = 0,960) supporta l'uso di flussi di lavoro strutturati con intervento umano (human-in-the-loop) come un'alternativa affidabile e scalabile alla completa estrazione manuale doppia.
Utilizzando il machine learning causale su oltre 500.000 record di incidenti nel Regno Unito, questo studio stima che le strade con limiti di velocità di 50 mph o superiori aumentino la probabilità di incidenti mortali o gravi di circa 6–7 punti percentuali, con questi effetti che risultano più pronunciati durante il giorno in condizioni di tempo asciutto e favorevole.