「stat.CO」カテゴリーアーカイブ

Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data

投稿日: 2023年3月6日 作成者: jarxiv

要約 衛星降水量のグリッドデータは、広い地域を高密度にカバーしているため、水文学 … 続きを読む →

カテゴリー: cs.LG, physics.ao-ph, stat.AP, stat.CO, stat.ME | Comparison of machine learning algorithms for merging gridded satellite and earth-observed precipitation data はコメントを受け付けていません

Comparison of tree-based ensemble algorithms for merging satellite and earth-observed precipitation data at the daily time scale

投稿日: 2023年3月6日 作成者: jarxiv

要約 衛星降水観測データと地上観測データを統合することは、広い地域を同時に高密度 … 続きを読む →

カテゴリー: cs.LG, stat.AP, stat.CO, stat.ME | Comparison of tree-based ensemble algorithms for merging satellite and earth-observed precipitation data at the daily time scale はコメントを受け付けていません

Don’t fear the unlabelled: safe semi-supervised learning via simple debiasing

投稿日: 2023年3月6日 作成者: jarxiv

要約 半教師付き学習(SSL)は、ラベルのないデータを活用してモデルの性能を向上 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ME, stat.ML | Don’t fear the unlabelled: safe semi-supervised learning via simple debiasing はコメントを受け付けていません

Modern Bayesian Experimental Design

投稿日: 2023年3月1日 作成者: jarxiv

要約 ベイジアン実験計画 (BED) は、実験計画を最適化するための強力で一般的 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ML | Modern Bayesian Experimental Design はコメントを受け付けていません

CO-BED: Information-Theoretic Contextual Optimization via Bayesian Experimental Design

投稿日: 2023年2月28日 作成者: jarxiv

要約 ベイジアン実験計画のレンズを通してコンテキスト最適化の問題を形式化し、情報 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.CO, stat.ML | CO-BED: Information-Theoretic Contextual Optimization via Bayesian Experimental Design はコメントを受け付けていません

Forward variable selection enables fast and accurate dynamic system identification with Karhunen-Loève decomposed Gaussian processes

投稿日: 2023年2月24日 作成者: jarxiv

要約 スケーラブルなガウス過程 (GP) の有望なアプローチは、Karhunen … 続きを読む →

カテゴリー: cs.LG, math.DS, stat.CO, stat.ML | Forward variable selection enables fast and accurate dynamic system identification with Karhunen-Loève decomposed Gaussian processes はコメントを受け付けていません

Active learning for structural reliability analysis with multiple limit state functions through variance-enhanced PC-Kriging surrogate models

投稿日: 2023年2月24日 作成者: jarxiv

要約 サロゲート モデルをトレーニングするための既存のアクティブな戦略では、指定 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.AP, stat.CO | Active learning for structural reliability analysis with multiple limit state functions through variance-enhanced PC-Kriging surrogate models はコメントを受け付けていません

Multi-target detection with rotations

投稿日: 2022年9月5日 作成者: jarxiv

要約 我々は、ランダムに回転・平行移動した多数のターゲット画像を含む大きなノイズ … 続きを読む →

カテゴリー: cs.CV, eess.IV, stat.CO | Multi-target detection with rotations はコメントを受け付けていません

Interpretable Anomaly Detection in Echocardiograms with Dynamic Variational Trajectory Models

投稿日: 2022年7月1日 作成者: jarxiv

要約 心エコー検査ビデオの新しい異常検出方法を提案します。 導入された方法は、心 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, stat.CO, stat.ML | Interpretable Anomaly Detection in Echocardiograms with Dynamic Variational Trajectory Models はコメントを受け付けていません