257 papers
Dit artikel stelt kernel smoothing- en maximum likelihood-methoden voor en valideert deze voor het schatten van parameters van het Vasicek-proces onder microstructuurruis, waarbij de sterke consistentie en nauwkeurigheid ervan wordt aangetoond door middel van theoretische analyse, numerieke simulaties en empirische toepassing op gegevens van de Shanghai Stock Exchange.
Deze studie stelt een hybride GAM-LightGBM-framework voor met selectieve conformale kalibratie en een nestingsprocedure om de nauwkeurigheid en coherentie van probabilistische belastingvoorspellingen over meerdere Europese landen onder variërende weersonzekerheden te verbeteren.
Deze studie valideert een zeven-attribuut Q-matrix voor het beoordelen van klinisch redeneren in een landelijk Koreaans medisch examen met behulp van een DINA-model, waarbij een sterke validiteit voor bekende groepen wordt aangetoond door significante verschillen in beheersing tussen derde- en vierdejaars studenten.
Dit artikel presenteert een hiërarchisch Bayesiaans ruimtelijk modelleringskader dat probabilistische, buurt-specifieke hitte-gezondheidswaarschuwingen over heel Californië genereert door variërende temperatuur-drempelwaarden te schatten die gekoppeld zijn aan bezoeken aan de spoedeisende hulp, waardoor een rechtvaardige toewijzing van middelen mogelijk wordt en de basis wordt gevormd voor het officiële CalHeatScore-systeem van de staat.
Deze studie toont aan dat de precisie-wegingscoëfficiënt (γ) in het CPSP-8-model een pijplijngevoelige, begrensde scalaire is die er niet in slaagt te generaliseren als een draagbare biomarker over taken heen, tenzij de precisiewinst voldoende groot is, terwijl andere beslissingsparameters louter fungeren als moduswisselaars.
Dit artikel stelt een methode voor om gekalibreerde, tweezijdige betrouwbaarheidsintervallen af te leiden voor de ware Area Under the Curve (AUC) in Positive-Unlabeled learning door exact de doel-AUC te herleiden uit observeerbare metrieken en de onzekerheid van de geschatte positieve fractie te propageren, waardoor de bias en het gebrek aan betrouwbaarheid in huidige prestatie-evaluaties worden aangepakt.
Deze studie evalueert klassieke, machine learning- en deep learning-modellen voor het voorspellen van wekelijkse denguegevallen in Marikina City met behulp van een lekveilig temporeel ontwerp, waarbij werd vastgesteld dat hoewel eenvoudige baselines goed presteerden tijdens de interne validatie, het LSTM-model de superieure voorspellende nauwkeurigheid bereikte op de 2025 out-of-time holdout, ondanks een algemene neiging tot ondervoorspellen tijdens weken met uitbraakniveaus.
Deze studie maakt gebruik van een deelnemersspecifiek, onzekerheidsbewust Bayesiaans hiërarchisch model om een experiment binnen de deelnemers te analyseren, waarbij wordt onthuld dat door AI gegenereerde stemmen gekoppeld aan AI-avatars het meest gunstige profiel voor betrokkenheid en cognitieve belasting opleveren, terwijl tegelijkertijd een significante individuele heterogeniteit in de reacties op audiovisuele combinaties wordt benadrukt.
Dit onderzoek naar publicaties binnen de Library and Information Science onthult dat het citatievoordeel van open access niet uniform is, maar in plaats daarvan onderwerp-afhankelijk en grotendeels gedreven wordt door aan de gezondheidswetenschappen aangrenzende subdisciplines, terwijl het aanzienlijk wordt verzwakt wanneer er wordt gecontroleerd voor citatie-baselines op tijdschriftniveau.
Dit artikel introduceert flexibele lineaire, kwadratische en tweede-orde component-positie screeningsmodellen die positie nul gebruiken om het weglaten van componenten te coderen, wat efficiënte schatting van niet-lineaire absolute-positie-effecten en de constructie van optimale ontwerpen voor order-of-addition-experimenten mogelijk maakt waarbij slechts een deelverzameling van componenten beschikbaar is per run.