- 在概念漂移存在下的推进电机故障检测
运用机器学习和统计方法来增强海洋系统的监测和故障预测,本文介绍了一种能在概念漂移时成功运行且无需完全模型重新训练的检测驱动船舶推进电机定子绕组过热的方法。
- StatWhy:统计假设检验程序的形式化验证工具
应用形式化规范方法和自动验证技术,开发了一种检验统计程序正确性的新方法,可以避免在科学研究中广泛存在的统计方法滥用和误解问题。
- 金融市场风险预测的 K-means 算法
本研究使用 K-means 算法开发了一个金融市场风险预测系统,大大提高了金融市场风险预测的准确性和效率,实验证实该算法的用户友好性和准确率为 94.61%。
- IJCAI提升作物育种中转基因表现的一个令人尴尬地简单方法
通过使用简单而有效的基于 Transformer 的框架,在 rice3k 和 wheat3k 数据集上进行实验,通过简单的技巧如 k-mer 标记和随机掩蔽,Transformer 可以在感兴趣的 GS 任务中表现出整体优越性能,从而释放 - 带贝叶斯神经场的可扩展时空预测
贝叶斯神经场(BayesNF)是一种域通用的统计模型,用于推断时空域上丰富的概率分布,可用于包括预测、插值和变异图在内的数据分析任务。
- 犯罪预测的数据挖掘技术的实证与实验洞察:综述
对犯罪预测方法学进行了全面分析,包括统计方法、机器学习算法和深度学习技术,提出了方法学分类体系,并进行了实证评估和实验比较,以便全面了解犯罪预测算法,并展望了未来犯罪预测技术的发展和进一步研究的机会。
- 多区域马尔可夫高斯过程:一种有效方法用于发现多个脑区之间的方向性通信
该研究将高斯过程(GP)和线性动力系统(LDS)两种统计模型融合,并创建了一个多区域马尔可夫高斯过程(MRM-GP)模型,通过显式地建模频率和相位滞后,实现了在神经记录的潜在空间中频率和相位时延的探索。该模型在时间点上具有线性推理成本,提供 - 自动驾驶车辆可靠性保障测试规划
基于统计方法,本文旨在填补自动驾驶可靠性保证测试计划方面的空白,通过开发基于经常发生事件数据的自动驾驶可靠性保证测试的统计方法,探索自动驾驶可靠性保证测试计划中多个利益标准之间的关系,并提供实际应用建议。通过使用加利福尼亚州机动车辆部门自动 - 通过合成数据扩展提升数据分析能力
合成数据生成是一种通过解决数据稀缺性和隐私问题、实现前所未有的性能而在数据科学领域引起了一场转变的生成人工智能的基石。本文介绍了用于分析的合成数据生成框架,该框架利用了统计方法在高保真度合成数据上的运用,这些数据由诸如表扩散和预训练生成转换 - 利用人工智能增强对英国道路交通事故严重程度的预测与分析:在公共卫生研究中整合机器学习、计量经济学技术和时间序列预测
该研究使用机器学习、计量经济学和统计方法研究了英国的道路交通事故严重程度,通过对历史数据进行相关性分析、回归模型、GMM 分析解决误差项问题以及 VAR 和 ARIMA 模型的时间序列预测等技术和方法,我们的研究方法在 MASE 指标为 0 - 核密度积分变换
该论文提出使用核密度积分变换作为特征预处理步骤,可以替代传统的特征预处理方法,并在机器学习和统计方法中表现出更好的鲁棒性和性能。
- 不变概率预测
近年来,对于在训练和测试数据之间分布变化下表现出鲁棒性能的统计方法引起了越来越多的关注。本文关注点预测的统计研究主要关注的是均方误差损失,而本文则将关注焦点转向概率预测,旨在全面量化给定协变量的结果变量的不确定性。我们在因果性启发框架下,研 - 银行金融和保险的因果推断综述
对于 37 篇关于因果推断在银行、金融和保险领域应用的论文进行综述,根据论文分类与次级领域如公司金融、治理金融、金融风险和金融政策、金融经济学和行为金融一起,覆盖了贝叶斯因果网络、格兰杰因果关系等统计方法及相关术语。研究指出因果推断在银行和 - 利用图注意力网络和加权事件改进的 Belle II 选择性背景蒙特卡罗模拟
为了在 Belle II 中测量罕见过程,作者改进了使用图注意力的过滤器的性能,并研究了包括采样和重新加权的统计方法来处理过滤引入的偏差。
- PePNet:一种支持稀有高负载出现的周期感知工作负载预测网络
提出 PePNet 以改善工作负载的预测准确性,通过检测周期性、融合周期性信息以及迭代优化预测序列中最不适配部分,PePNet 在整体和重负载的预测准确性上相较于现有方法平均提高 20.0% 和 23.9%。
- 协作科学的激励理论贝叶斯推演
当研究中存在拥有私人先验的代理者和希望基于参数值做出决策的主要决策者时,研究探讨了假设检验,以维护科学严谨性,并使用代理者的战略行为来进行统计推断。
- SoK:隐私保护数据合成
本研究旨在提供一个全面的流派统一的方案折衷了 PPDS 领域中的两种主要方法:统计方法和基于深度学习的方法,在提供了完整的参考表格和关键点摘要以及确定了实际应用中指导方法选择的准则之后,为 DLM 方法在私密图像合成方面提供了基准测试,并鉴 - 基于统计和机器学习算法的不纯 / 纯 N2 增强油藏采收过程最小相溶压力 (MMP) 估计的比较研究
对基于统计和机器学习方法用于 MMP 预测的比较研究表明,在本研究中开发的大多数预测模型表现优异,超过了文献报道的相关和预测模型。
- EMNLP自然语言生成任务的实用生产策略探索
提出一种自然语言生成系统设计的概念框架,以实现复杂的交际目标,并通过现代统计方法提供针对目标、成本和效用的具体建议。同时,倡导开发可以通过类人的方式推理目标、成本和效用的 NLG 系统。
- COVID-19 预测的严格基线和美国、俄罗斯的机器学习视角
利用 Covid-19 的数据集,使用预测性分析来评估更复杂的预测模型的效能潜力,包括使用具有不同预测范围的神经网络。该研究提出了一种基于地区数据的不同类型的预测方法的一致性比较研究的结果,它与 Exponential Smoothing、