XiaoMi-AI文件搜索系统
World File Search System预测间隔
评估免疫疗法期间单个病变动力学的变异性增加：它是否存在，这是否重要？
图1：超过1000个模拟数据集的纵向和生存数据的后验预测检查（PPC）； （a） - （e）：在atezolizumab治疗组中，纵向PPC通过病变位置分层，观察到的数据的中值（固体黑线）和淋巴（a），肺（B），肝（C），肝（C），Bladder（d）和其他（E）（E）的淋巴（A），蓝色，绿色，绿色，灰色，红色，红色和黄色的位置的预测间隔为95％。（f） - （j）：化学疗法治疗手臂中通过病变位置分层的纵向PPC，随着时间的时间观察到数据的中值（固体黑线）和淋巴（F），肺（G），肝（H），肝（H），膀胱（I）和其他（蓝色（J）的位置（蓝色，绿色，灰色，灰色，红色，红色，红色）的预测间隔为95％。（k）：两个治疗组中的生存PPC；化学疗法组（橙色实线）和atezolizumab臂（紫色实线）中观察到的数据中生存概率的Kaplan-Meier估计量和生存概率（有色区域）的预测间隔95％。
飞机识别、轨迹跟踪和预测最终...
介绍了改进飞机识别和轨迹预测方法的技术。这项工作是对高级跟踪器的扩展，它使用平移和姿态数据来提高轨迹跟踪和预测的准确性。这项工作中的新扩展涉及基于曲率半径估计器的新跟踪算法的开发、在预测间隔期间使用基于回归的人工测量以及基于远程轨迹测量的被跟踪车辆的飞机识别技术的开发。该程序使用在训练飞行中获得的 F-14A、AV-8B 和 A6 飞机的实际位置和姿态轨迹数据进行评估。
Edgar Dobriban：Vitae -Wharton教师平台
•Stat 991：现代统计学习的主题（2022年春季）。开发了一门有关统计学习的新课程，重点是机器学习中的不确定性量化。现代机器学习方法在各种问题上可能具有很高的预测准确性，但正确量化其不确定性仍然具有挑战性。最近有大量的工作为此问题开发方法。这是当代统计中最快的发展中领域之一。本课程调查各种不同的问题和方法，例如校准，预测间隔（和集合），共形推理，OOD检测等。它讨论了经验成功/流行的方法以及理论上的理由。材料可在https：//github.com/dobriban/topics-in-modern-statistity-learning上公开免费获得。
荟萃分析的一般软件包
说明用户友好的通用软件包提供了用于元分析和支持Schwarzer，Carpenter和Rücker，``````` - 几个地块（森林，漏斗，Galbraith / Radial，L'Abbe，Baujat，Bubble）； - 三级荟萃分析模型； - 广义线性混合模型； - 对罕见事件的逻辑回归，并受到惩罚的可能性； -Hartung-Knapp方法用于随机效应模型； -Kenward-Roger方法用于随机效应模型； - 预测间隔； - 漏斗图不对称的统计测试； - 评估荟萃分析偏置的修剪和填充方法； - 元回归； - 累积的荟萃分析和一对荟萃分析； - 从“ Revman 5”导入数据； - 生产森林图，总结了几个（亚组）荟萃分析。
体外转录的机械模型，结合了焦磷酸镁结晶的作用
图5代表延长的绿色荧光蛋白（EGFP），SARS -2 COV -2 SPIKE蛋白受体结合结构域（RBD）和CAS9模型验证的各种组合：IVT长度的多个DNA序列的IVT产量（Rosa等，2022）。关于模型预测的阴影区域是95％的预测间隔（SI第4节）。数据点上的误差线是根据Rosa等人的整个数据集估计的标准偏差的95％置信区间。（2022）。ivt，体外转录。Rosa等人使用的 DNA序列。 是延长的绿色荧光蛋白（EGFP），SARS -CV -2尖峰蛋白受体结合结构域（RBD）和Cas9基因的组合。DNA序列。是延长的绿色荧光蛋白（EGFP），SARS -CV -2尖峰蛋白受体结合结构域（RBD）和Cas9基因的组合。
气候变化对死亡率的影响：基于法国时间序列数据的温度效应推断
大多数当代死亡率模型都依赖于推断趋势或过去的事件。但是，气候变化将受到人口动态的影响，尤其是温度对死亡率的影响。 在本文中，我们引入了一种新型方法，以使用多人口死亡率模型对预计死亡率进行影响。 这种方法将随机死亡率模型与气候流行病学模型结合在一起，预测由于每日温度波动而导致的死亡率变化，无论是过度还是不足。 这种方法的重要性在于它通过利用气候模型的温度预测来破坏死亡率预测的能力，并评估这种未指定的危险因素对常规死亡率模型的影响。 我们使用性别分层的法国数据说明了这种提出的死亡率模型，重点是过去的温度和死亡率。 利用各种IPCC场景中的气候模型预测，我们研究了与温度有关的预期寿命的收益和损失以及极端热浪引起的额外死亡率，并通过在预测间隔中评估这一新的风险因素来量化它们。 此外，我们分析了法国大都会的地理差异。但是，气候变化将受到人口动态的影响，尤其是温度对死亡率的影响。在本文中，我们引入了一种新型方法，以使用多人口死亡率模型对预计死亡率进行影响。这种方法将随机死亡率模型与气候流行病学模型结合在一起，预测由于每日温度波动而导致的死亡率变化，无论是过度还是不足。这种方法的重要性在于它通过利用气候模型的温度预测来破坏死亡率预测的能力，并评估这种未指定的危险因素对常规死亡率模型的影响。我们使用性别分层的法国数据说明了这种提出的死亡率模型，重点是过去的温度和死亡率。利用各种IPCC场景中的气候模型预测，我们研究了与温度有关的预期寿命的收益和损失以及极端热浪引起的额外死亡率，并通过在预测间隔中评估这一新的风险因素来量化它们。此外，我们分析了法国大都会的地理差异。
使用机器学习从现场数据预测电动汽车能源
摘要 - 这项研究解决了准确预测电动汽车能源消耗（EV）的挑战，这对于减少范围焦虑和进步的充电和能量优化至关重要。尽管当前预测方法（包括经验，基于物理和数据驱动的模型）的局限性，但本文介绍了一种新颖的基于机器学习的预测框架。它整合了物理知识的功能，并将离线全球模型与特定于车辆的在线改编相结合，以提高预测准确性并评估不确定性。我们的框架经过来自现实世界中电动汽车车队的数据的广泛测试。虽然领先的全球模型，即分位数回归神经网络（QRNN）的平均误差为6.30％，但在线适应进一步降低至5.04％，两者都超过了现有模型的性能。此外，对于95％的预测间隔，在线改编的QRNN将覆盖范围提高到91.27％，并将预测间隔的平均宽度减少到0.51。这些结果证明了利用基于物理的特征和基于车辆的在线适应来预测EV能源消耗的有效性和效率。
出版日期：2024年12月18日引用：Wade S，NGO P，He Y，Caruana M，Steinberg J，Luo Q，David M，McWilliams A，Fong KM，Canfell K，Weber MF。
澳大利亚的国家肺癌筛查计划将于2025年7月开始，针对50-70岁的个人，具有30年的吸烟史（相当于30年的每天20个香烟），他们目前在过去10年内吸烟或戒烟。我们使用2019年国家药物战略家庭调查和2022年澳大利亚澳大利亚统计局人口预测的数据中的数据预测了该计划的前5年中符合筛查资格的人数。使用与未来或未测量吸烟特征进行预测建模的多个插补用于解决丢失的数据，同时将个人的吸烟历史投射到2030年。在2025年，930 500（95％的预测间隔852 200-1 019 000）估计有资格，在2025 - 2030年中，在所有澳大利亚司法管辖区中，符合标准的数字略有下降。总体而言，有资格的26％至30％将戒烟，目前有70-74％的吸烟。这些估计值可用于资源计划中，并作为指示性分母，以跟踪随着时间的推移的参与率。
算法稳定性意味着训练无分配预测方法的培训条件覆盖率
在监督学习问题中的摘要，鉴于预测的值是某些训练有素的模型的输出，我们如何量化围绕此预测的不确定性？无分布的预测推论旨在围绕此输出构建预测间隔，有效覆盖范围不依赖于数据分布或模型培训算法的性质的假设。在该领域的现有方法，包括保形预测和折刀+，提供了略有保证的理论保证（即，在培训和测试数据中平均而言）。相比之下，培训条件覆盖范围是更强的有效性概念，可确保大多数训练数据的测试点的预测覆盖范围，因此在实践中是更理想的属性。Vovk [2012]表明了培训条件覆盖范围，以持有分裂的共形方法，但Bian和Barber [2023]的最新工作证明，对于没有进一步假设的完整的子状和折刀+方法，无法使用这种有效性保证。在本文中，我们表明算法稳定性的假设可确保训练条件覆盖属性具有完整的保形和折刀+方法。