95 papers
Dit artikel presenteert een modelgebaseerde methode om de specifieke energiebesparingen van intelligente besturingsalgoritmes voor stadsverwarmde gebouwen te isoleren van andere factoren en te decomponeren in subcomponenten, gebaseerd op tien jaar aan real-world data.
Deze paper introduceert TV-Select, een geünificeerd raamwerk dat variabele selectie en het onderscheid tussen constante en tijdvariërende effecten combineert via dubbele straffing, waardoor de modelkwaliteit en voorspellende prestaties bij longitudinale data verbeteren.
Dit artikel presenteert een interpreteerbaar systeem dat neurale processen gebruikt om de fysiologische ontwikkeling van patiënten te voorspellen en zo de overgang van intraveneuze naar orale antibiotica te optimaliseren door patiënten te prioriteren op basis van klinische richtlijnen in plaats van historische beslissingen.
Dit paper introduceert twee probabilistische maatstaven, de Reproductiegraad (RR) en de Valse Irreproductibiliteitsgraad (FIR), om de reproduceerbaarheid van positieve associaties in genomewide associatiestudies (GWAS) kwantitatief te beoordelen en zo de ontwerp van replicatiestudies te sturen en potentiële ware vondsten in niet-reproduceerbare resultaten te identificeren.
Dit artikel introduceert een nieuwe methode voor gezamenlijke analyse van samenvattingsstatistieken uit meerdere GWAS-studies die gebaseerd is op het beheersen van de gezamenlijke lokale false discovery rate, en toont aan dat deze methode krachtiger is dan bestaande meta-analyse-methoden, vooral bij heterogene datasets.
Dit paper introduceert EarthquakeNPP, een verbeterde benchmark voor aardbevingvoorspelling die aantoont dat de geteste neurale puntprocessen (NPPs) momenteel niet beter presteren dan de klassieke ETAS-modellen.
Dit artikel introduceert een methode om het ontwerp van klinische trials te kalibreren zodat statistische significantie een formele link heeft met klinische betekenis, door operationele kenmerken af te stemmen op het aantonen van een onbalans in klinisch equipoise.
Dit paper introduceert twee nieuwe datagedreven algoritmen die offline versterkte leer- en overlevingsanalyse technieken combineren om optimale prijs- en voorraadbeheerstrategieën te leren in een omgeving met gecensureerde en afhankelijke vraag, waarbij de uitdagingen van ontbrekende winstinformatie en het verlies van de Markov-eigenschap worden overwonnen door het probleem te benaderen als een hoog-ordelijk Markov-beslissingsproces.
Dit artikel presenteert een raamwerk voor het systematisch ontwikkelen van evidence-based aanpassingsvariabelen voor adaptieve interventies, waarbij wordt geconcludeerd dat hoewel secundaire data bruikbaar is, gecontroleerde optimalisatie-experimenten de meest directe causale bewijzen leveren voor het bepalen van meetmomenten, beslismomenten en drempelwaarden.
Dit paper introduceert Singular Bayesian Neural Networks, een methode die de parameters van Bayesiaanse neurale netwerken drastisch reduceert door weight matrices te parameteriseren als een product van lage-rang matrices, waardoor een singuliere posterior ontstaat die betere generalisatie, kalibratie en out-of-detection prestaties biedt dan traditionele mean-field benaderingen.
Dit paper introduceert SEED-SET, een Bayesiaans experimenteel ontwerpframework dat objectieve evaluaties en subjectieve oordelen van belanghebbenden combineert via hiërarchische Gaussische processen om ethische benchmarks voor autonome systemen efficiënter en interpreteerbaarder te maken.
Deze studie introduceert een nieuwe trajectgebaseerde graf-clusteringmethode die longitudinale patiëntdata en multi-modale klinische kenmerken integreert om dynamisch en klinisch relevante kankersubtypen te identificeren die beter aansluiten bij de ziekteprogressie dan traditionele statische benaderingen.
Deze studie introduceert twee nieuwe g-computatie-algoritmen die tijd-variërende confounding en semi-concurrerende gebeurtenissen, zoals overlijden dat het optreden van een niet-dodelijke ziekte verhindert, gelijktijdig aanpakken om de causale effecten van interventies op langetermijnonderzoeken nauwkeuriger te schatten.
Deze paper introduceert BSync, een Bayesiaans raamwerk dat synchronisatie van proxy-paleorecords behandelt als inferentie over een monotoon tijds-mappingsfunctie, waardoor nauwkeurigere uitlijningen met gecalibreerde onzekerheidsintervallen worden bereikt dan met bestaande optimalisatie-methoden, vooral wanneer onafhankelijke ouderdomsbeperkingen schaars zijn.
Dit paper introduceert Gimbal Regression, een deterministisch en geometrisch bewust lokaal regressiemodel dat numerieke instabiliteit in ruimtelijke heterogeniteit oplost door richtingsgewichten te construeren via expliciete oriëntatieobjecten en een gesloten-vorm oplossing.
Dit artikel presenteert een nieuwe data-gedreven analyse van JWST-observaties van Europa die aantoont dat CO₂-verrijking en afwijkende ijsstructuren samen voorkomen in chaos-gebieden, wat suggereert dat oppervlakteprocessen en microfysische retentie een cruciale rol spelen bij het vasthouden van vluchtige stoffen en de beoordeelbaarheid van de habitabiliteit van de maan.
Deze studie past modelonafhankelijke en distributie-vrije conformale voorspellingsmethodes toe op hoogdimensionale functionele tijdreeksen om voorspellingsintervallen voor subnationale sterftecijfers te construeren, waarbij de prestaties van gesplitste en sequentiële benaderingen worden vergeleken aan de hand van empirische dekking en intervalscores.
Dit artikel introduceert een Python-implementatie van geometrische hulpmiddelen voor Kendall's 3D-vormruimte om de kloof tussen theoretische Riemanniaanse geometrie en praktische toepassingen te overbruggen, waarbij bestaande bibliotheken zoals Geomstats worden aangevuld met specifieke functionaliteit voor geavanceerde 3D-vormanalyse.
Dit artikel presenteert een Bayesiaans kader voor het ontwerp en de analyse van precisietests met gedeeltelijke informatieoverdracht, waarbij externe data worden gewogen op basis van covariaten om subgroep-effecten nauwkeuriger te schatten, zoals geïllustreerd aan de hand van een maagkankerstudie.
Dit artikel onderzoekt hoe de keuze van de niet-inferioriteitsmarge onder ICH E9(R1) afhankelijk is van het gekozen estimand, en illustreert aan de hand van gesimuleerde patiënttrajecten in gewichtsmanagement dat historische effecten en marges specifiek zijn voor het estimand, wat complexiteit oplevert bij het vaststellen van marges wanneer historische trials een ander estimand hebben gebruikt of het estimandframework ontbrak.