257 papers
Dit artikel vestigt een thermodynamisch kader voor datagedreven modellering gebaseerd op Jaynes' principe van maximale entropie, dat inferentie behandelt als een fysisch proces beheerst door een eerste wet van informatieve thermodynamica en gebruikmaakt van warmtecapaciteitsanomalieën om endogeen optimale modelarchitecturen te identificeren zonder ad-hoc regularisatie.
Dit artikel introduceert "geostatistische bereikbaarheid", een door simulatie gekalibreerd kader dat ruimtelijke modelklassen kwalificeert door te beoordelen of een enig toelaatbaar lid specifieke structurele diagnostieken kan reproduceren vóór de voorspellende rangschikking, waardoor structurele compatibiliteit en observeerbaarheid worden onderscheiden van louter voorspellende prestaties.
Dit artikel introduceert een nieuwe zes-parametrische gegeneraliseerde Weibull-Kumaraswamy-Lomax verdeling met behulp van het T-X familie raamwerk, waarbij de fundamentele functies worden afgeleid en een nieuwe lineaire reeks expansie voor de kansdichtheidsfunctie wordt voorgesteld om de berekening van ruwe momenten en entropie te vereenvoudigen.
Dit artikel betoogt dat de voorspellingsvaardigheid van machine learning-modellen voor de stedelijke elektriciteitsvraag primair wordt bepaald door de intrinsieke voorspelbaarheid van de historische belastingpatronen van een stad (specifiek seizoensgebonden variatie en temperatuurgevoeligheid) in plaats door de structurele kenmerken of de geografische locatie van de stad.
Deze studie vestigt het Top-Down Scale (TDS) algoritme als een computationeel efficiënte en statistisch robuuste benchmark voor Multiscale Geographically and Temporally Weighted Regression, waarbij de superioriteit ervan ten opzichte van bestaande methoden wordt aangetoond wat betreft parameterectherstel en onzekerekalibratie, terwijl het via een longitudinale analyse van 34.938 censusobservaties in São Paulo onderscheidende multiscale stedelijke drijfveren onthult.
Deze studie ontwikkelt en valideert een op stacking gebaseerd ensemble machine learning-model met behulp van 5,7 miljoen virale lading-records uit Oeganda om de virale lading van het volgende bezoek voor ART-cliënten nauwkeurig te voorspellen, waarbij een superieure prestatie wordt bereikt met een R² van 0,85 en LIME wordt gebruikt voor modelinterpreteerbaarheid.
Dit artikel introduceert een modelonafhankelijke workflow om echte lokale schaalafhankelijkheid te onderscheiden van kunstmatige trends veroorzaakt door regionale menging in de distributies van stedelijke blokgroottes, waarbij via een uitgebreide analyse van Tokio wordt aangetoond dat hoewel regionale heterogeniteit de staart van de distributie afvlakt, kleinere blokken een significante lokale steiling vertonen die niet alleen door compositionele effecten kan worden verklaard.
Dit artikel stelt twee typen onzekere single-indexmodellen voor en valideert deze met behulp van semiparametrische kleinste-kwadratenschatting met kernel- en B-splinemethoden om complexe, onnauwkeurige gegevens effectief te verwerken, zoals aangetoond door simulatiestudies en een praktische weertoepassing.
Dit artikel presenteert de theoretische ontwikkeling en structuur van de Practitioner Allegiance Risk Scale (PARS-6), een nieuw instrument bestaande uit zes items dat is ontworpen om kenmerken gerelateerd aan de allegiantie van de onderzoeker systematisch te screenen en te documenteren tijdens de data-extractie in systematische reviews van interventieonderzoek, waarbij expliciet wordt verduidelijkt dat het dient als een beschrijvende risicindicator in plaats van een definitieve maatstaf voor bias.
Deze studie maakt gebruik van SciVal-bibliometrische gegevens en voorspellingsmodellen om aan te tonen dat hoewel de publicatievolumes van Filipijnse staatsuniversiteiten tussen 2015 en 2025 aanzienlijk zijn toegenomen, substantiële en hardnekkige regionale verschillen in onderzoeksoutput en impact — geleid door Regio III — zullen voortduren tot 2030 zonder gerichte investeringen in capaciteitsopbouw in plaats van uniforme prikkels.