×

专题编辑:大数据和机器学习的统计方法。 (英语) Zbl 07697885号

MSC公司:

62至XX 统计

软件:

SPMGBA公司
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] 张,L。;Zhu,T。;Zhang,J.T.,高维数据的两样本Behrens-Fisher问题:正常参考尺度变异检验,J.Appl。统计,456-476(2023)·Zbl 07697886号
[2] Pustokhin,D。;普斯托基纳,I。;Dinh,P。;潘,S。;Nguyen,G。;Joshi和G。;Shankar,K.,一种有效的基于深度剩余网络的类注意层,带有双向LSTM,用于COVID-19的诊断和分类,J.Appl。统计,477-494(2023年)·Zbl 07697887号
[3] 米·袁。;Wen,Q.,加权随机图的实用双样本检验,J.Appl。统计,495-511(2023)·Zbl 07697888号
[4] 赵,M。;Xu,X。;Zhu,Y。;张,K。;Zhou,Y.,具有纵向数据的部分线性变系数电动汽车模型的模型估计和选择,J.Appl。统计,512-534(2023)·Zbl 07697889号
[5] 韦伯,M。;斯特劳卡斯,J。;舒马赫,M。;Binder,H.,当协变量连接在网络上时的正则回归:3CoSE算法,J.Appl。统计,535-554(2023)·Zbl 07697890号
[6] 谢,X。;史J。;Song,K.,海量数据的分布式多样本测试,J.Appl。统计,555-573(2023)·Zbl 07697891号
[7] Thielmann,A。;Weisser,C。;Krenz,A。;Säfken,B.,《集成web抓取、一类SVM和LDA主题建模的无监督文档分类》,J.Appl。统计,574-591(2023)·Zbl 07697892号
[8] 风扇,F。;楚,S.-C。;潘,J.-S。;林,C。;Zhao,H.,一种优化的机器学习技术方案及其在无线传感器网络故障检测中的应用,J.Appl。统计,592-609(2023)·Zbl 07697893号
[9] 张武,M。;罗,J。;方,X。;徐,M。;Zhao,P.,《多元网络风险建模:深度学习约会极值理论》,J.Appl。统计,610-630(2023)·Zbl 07697894号
[10] 张,W。;吴总。;马,X。;田,X。;Li,Q.,使用动态套索正则化连接函数模型分析多变量纵向数据,并应用于大型儿科心血管研究,J.Appl。统计,631-658(2023)·Zbl 1518.62014号
[11] 志,X。;Yu,T。;Bi,L。;Li,Y.,噪声不敏感鉴别子空间模糊聚类,J.Appl。统计,659-674(2023)·Zbl 07697896号
[12] 康,I。;帕克,C。;Yoon,Y.J。;帕克,C。;Kwon,S.-S。;Choi,H.,使用支持直方图机器对直方图值数据进行分类,J.Appl。统计,675-690(2023年)·Zbl 07697897号
[13] 刘,X。;田,G。;刘,Z.,利用半参数基因分析鉴定三阴性乳腺癌的新基因,J.Appl。统计,691-702(2023)·Zbl 07697898号
[14] 智,X。;刘杰。;Wu,S。;Niu,C.,基于广义l_2,p-范数回归的特征选择算法,J.Appl。统计,703-723(2023)
[15] Cheng,Y。;李,Y。;史密斯,M.L。;李,C。;Shen,Y.,使用多重插补后的变量选择分析具有重大缺失信息的循证跌倒预防数据,J.Appl。统计,724-743(2023)·Zbl 07697900号
[16] 周,M。;Yao,W.,基于指数倾斜和超级学习者的因果推理中未测量混淆的敏感性分析,J.Appl。统计,744-760(2023)·Zbl 07697901号
[17] 达格杜格,M。;Goga,C。;Haziza,D.,《调查数据高维环境中的模型辅助估计》,J.Appl。统计,761-785(2023)·Zbl 07697902号
[18] 陈,S。;Xu,C.,通过现代机器学习技术处理具有缺失值的高维数据,J.Appl。统计,786-804(2023)·Zbl 07697903号
[19] Jin,J。;张,L。;Leng,E。;梅茨格,G.J。;Koopmeiners,J.S.,《利用多参数MRI对前列腺癌进行体素分类的多分辨率超级学习者》,J.Appl。统计,805-826(2023)·兹伯利07697904
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。