Créer un compteSe connecter

Recherches récentes

Aucune recherche récente

Options de recherche

Disponible uniquement lorsque vous êtes connecté.
mastouille.fr est l'un des nombreux serveurs Mastodon indépendants que vous pouvez utiliser pour participer au fédiverse.
Mastouille est une instance Mastodon durable, ouverte, et hébergée en France.

Administré par :

Statistiques du serveur :

585
comptes actifs

mastouille.fr: À proposAnnuaire des profilsPolitique de confidentialité

Mastodon: À proposTélécharger l’applicationRaccourcis clavierVoir le code sourcev4.3.4

#modelling

3 messages2 participants0 message aujourd’hui
Suite du fil
Public
AI數字分析領航者 :mastodon: AI底層數據建模

從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。

以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。

你學的是落在哪種層次呢？

直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。

其中一種非線性建模：x.com/meiyulee357/status/19632

@academicchatter @econometrics @ida

從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。 以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。 你學的是落在哪種層次呢？ 直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。
#AI#數據分析#失業
Public
AI數字分析領航者 :mastodon: AI底層數據建模

如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。

1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】
2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】
3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】
4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】

@academicchatter @econometrics @ida

如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。 1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】 2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】 3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】 4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】
#AI#數據分析#失業
Public
PLOS Biology

The roles of feedforward and recurrent processing in human visual object recognition are incompletely understood. This #neuroimaging and computational #modelling study in #PLOSBiology characterizes the nature of recurrent processing and how it affects object representations.
plos.io/4oTxgsh

plos.ioRecurrence affects the geometry of visual representations across the ventral visual stream in the human brainThe specific roles of feedforward and recurrent processing in human visual object recognition remain incompletely understood. In this neuroimaging and computational modelling study the authors isolate and characterize the nature of recurrent processing, providing deeper insights into when, where, and how it affects object representations.
ExplorerFlux en direct
À propos