「stat.ME」カテゴリーアーカイブ

Signed Diverse Multiplex Networks: Clustering and Inference

投稿日: 2024年3月18日 作成者: jarxiv

要約 この論文では、一般化ランダム ドット積グラフ (GRDPG) の変形である … 続きを読む →

カテゴリー: cs.LG, cs.SI, stat.ME | Signed Diverse Multiplex Networks: Clustering and Inference はコメントを受け付けていません

Leveraging Non-Decimated Wavelet Packet Features and Transformer Models for Time Series Forecasting

投稿日: 2024年3月14日 作成者: jarxiv

要約 この記事では、ウェーブレット解析手法と機械学習手法を組み合わせて単変量時系 … 続きを読む →

カテゴリー: 62M10, 62M45, cs.LG, stat.ME | Leveraging Non-Decimated Wavelet Packet Features and Transformer Models for Time Series Forecasting はコメントを受け付けていません

CAS: A General Algorithm for Online Selective Conformal Prediction with FCR Control

投稿日: 2024年3月13日 作成者: jarxiv

要約 私たちはオンライン形式で選択後の予測推論の問題を研究します。 重要でないユ … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | CAS: A General Algorithm for Online Selective Conformal Prediction with FCR Control はコメントを受け付けていません

Scalable Spatiotemporal Prediction with Bayesian Neural Fields

投稿日: 2024年3月13日 作成者: jarxiv

要約 空間参照された時系列で構成される時空間データセットは、大気汚染監視、病気の … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.AP, stat.ME | Scalable Spatiotemporal Prediction with Bayesian Neural Fields はコメントを受け付けていません

A Two-Stage Feature Selection Approach for Robust Evaluation of Treatment Effects in High-Dimensional Observational Data

投稿日: 2024年3月13日 作成者: jarxiv

要約 ランダム化対照試験（RCT）は、介入や治療の効果を評価するためのゴールドス … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ME | A Two-Stage Feature Selection Approach for Robust Evaluation of Treatment Effects in High-Dimensional Observational Data はコメントを受け付けていません

MixEHR-SurG: a joint proportional hazard and guided topic model for inferring mortality-associated topics from electronic health records

投稿日: 2024年3月11日 作成者: jarxiv

要約 既存の生存モデルは、高次元のマルチモーダル データに対応していないか、解釈 … 続きを読む →

カテゴリー: cs.LG, stat.ME | MixEHR-SurG: a joint proportional hazard and guided topic model for inferring mortality-associated topics from electronic health records はコメントを受け付けていません

Automated Efficient Estimation using Monte Carlo Efficient Influence Functions

投稿日: 2024年3月11日 作成者: jarxiv

要約 多くの実際的な問題には、高次元のモデルとデータセットを使用した低次元の統計 … 続きを読む →

カテゴリー: cs.LG, stat.CO, stat.ME | Automated Efficient Estimation using Monte Carlo Efficient Influence Functions はコメントを受け付けていません

Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks

投稿日: 2024年3月8日 作成者: jarxiv

要約 多くの環境設定におけるリスク管理には、極端な現象を引き起こすメカニズムを理 … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks はコメントを受け付けていません

Who Are We Missing? A Principled Approach to Characterizing the Underrepresented Population

投稿日: 2024年3月8日 作成者: jarxiv

要約 ランダム化比較試験（RCT）は、因果関係を理解するための基礎として機能しま … 続きを読む →

カテゴリー: cs.CY, cs.LG, stat.AP, stat.ME | Who Are We Missing? A Principled Approach to Characterizing the Underrepresented Population はコメントを受け付けていません

Active Statistical Inference

投稿日: 2024年3月6日 作成者: jarxiv

要約 アクティブ ラーニングの概念に触発され、機械学習を利用したデータ収集による … 続きを読む →

カテゴリー: cs.LG, stat.ME, stat.ML | Active Statistical Inference はコメントを受け付けていません