データ解析と機械学習

Kirjaudu sisään

näkemys - データ解析と機械学習

グラフォンの固有値減衰率に基づいて、確率行列の最小最大最適推定アルゴリズムを提案し、その最適性を示した。

連続グルコース監視データの速度と加速度を活用することで、長期的な糖尿病関連指標の予測精度を大幅に向上させることができる。

格子QCDデータから2点および3点相関関数を抽出し、大規模な相関ベイズフィッティングを行う際のテクニックを紹介する。

本研究は、非局所Kramers-Moyal公式、遺伝的プログラミング、疎回帰を組み合わせた進化的シンボル疎回帰(ESSR)アプローチを提案し、ブラウン運動とレビー運動の両方を含む非ガウス確率微分方程式をデータから発見することを目的としている。

最短経路ベースのクラスタリングアルゴリズムを提案し、人間と機械の共同分析を可能にする。このアルゴリズムは、経路の特性を考慮することで、従来のクラスタリング手法の限界を克服する。

ベイズ推論を用いた新しい確率モデルを提案し、従来のABCD法よりも優れた性能を示す。この手法は、LHCデータ解析における信号抽出の感度を向上させる。

適応的に選択されたクエリに対して、サブサンプリングを行うことで、クエリ応答の偏りを抑えることができる。

気象画像時系列を入力として、深層学習モデルを用いて地下水位深を予測することができる。

反応性イオンエッチングプロセスのエッチレートプロファイルを、ツールのセンサーデータから予測する効率的な手法を提案する。

特徴量の正規化は、データ表現、特徴量抽出、分析、比較、分類、モデリングなどの重要な役割を果たす。特徴量の種類と特性、後続の分析手法、研究目的に応じて適切な正規化手法を選択する必要がある。

Tietoja

Tuotteet

Resurssit