- ICLR概念瓶颈模型是否学习预期所得?
研究发现概念瓶颈模型很难满足解释性、可预测性和干预性三个目标,使用事后可解释性方法证明概念与输入空间中任何语义上有意义的东西都不对应,因此质疑概念瓶颈模型在目前形式下的实用性。
- WWW面对不完整数据的恶意事件预测挑战
本文通过实证研究两个组织的真实数据,量化了过滤对于预测网络攻击可预测性的影响,发现过滤降低了网络攻击的可预测性,由于入侵事件的数据过少且具有不同于总数据集的生成过程,使得预测模型更加困难。
- 部分观测系统的可预测性极限
本研究研究了部分观测系统中的预测性能,并证明了时间采样导致的不确定性损失是无法通过使用外部信号进行补偿的,证实了这一理论的适用性。同时还考察了实际系统中的感染疾病、在线讨论以及软件开发等方面,发现随着时间采样的增加,部分系统的可预测性会出现 - 基于叠加模型的复杂网络近乎最优链接预测
本研究采用 meta-learning 方法,系统地评估了 203 种缺失链路预测算法,尝试找到单一最优预测器和服务于各种输入的最佳算法。结果发现,无论是预测误差还是可预测性方面,各种算法和分类族都存在明显差异,因此通过结合预测器构建 “叠 - 数据科学的真实性
通过数据科学中的可预测性、可计算性和稳定性框架,结合人类的判断,提供可靠、可重现的数据科学研究,通过案例论证了该框架在神经科学和基因组学等领域的实际应用和稳定性分析的优势。
- 通过结合社交与金融网络信息预测未来股市结构
本篇研究提出了一种基于复合网络方法,结合社交媒体和金融数据的前瞻性的市场相关性预测模型,比当前基于静态金融相关性的模型预测准确率提高了 40%,同时发现社交媒体信息能够在长期预测中得到更好的应用。
- 最大化可预测性的头部定位:一种信息论方法
从信息论的角度出发, 增加了一个竞争性的语序原则:目标元素可预测性的最大化,进一步完善了词序的数学理论。 然而依存长度的最小化与可预测性最大化之间存在矛盾,对于头的最大化可预测性,头应该出现在最后,这最大化了相对于依存长度最小化的成本。本文 - 人类方言的空间演化
人类方言的地理分布模式由历史决定,我们提出的简单语言变化空间模型可以预测历史演化的结果,因为其驱动作用可以推动很多复杂的,随机的早期状态走向更稳定的最终配置。
- 应用定义你:基于用户应用的人口预测
通过研究用户使用的应用程序列表,我们预测用户的年龄、种族、收入和性别等四个关键属性,通过比较 app 数据的多维降维方法,得出了使用原始应用列表效果最好的结论,同时展示了训练集大小和应用数量对预测准确性的影响。
- 机器人任务规划的可解释性和可预测性
针对智能机器人的高水平任务计划存在的问题,提出了 “计划可解释性” 和 “可预测性” 的概念,通过条件随机场模型学习标签方案并对新计划进行标签,用以提高机器人计划的可解释性和可预测性,该方法经过了人机交互和实际机器人测试并取得了较好的性能。
- AAAI利用网络和社区结构预测成功的模因
通过社交网络中推广模式的早期传播模式,研究成功的梗可预测性。我们提出和分析了一套全面的特征,并开发了一个准确的模型来预测梗的未来流行度。我们将特征分类为三组:早期采用者的影响、社区集中度和采纳时间序列的特征。我们发现,基于社区结构的特征是未 - 量化长期科学影响
研究论文提供一种基于机械模型的引用动态模式,具有预测科学影响力和潜在政策意义的可靠测量方式。
- 消费者到访模式的可预测性
研究商家消费数据,发现尽管个人消费习惯各有不同,但在时间上有一定的规律性,而人群行为更容易预测,尤其是基于马尔科夫模型的预测。