Control de FDR con recursos finitos en espacios estructurados
Descubre cómo controlar la tasa de falsos descubrimientos en pruebas de hipótesis con recursos limitados y espacios estructurados. Dos reglas robustas: control
#fdr
Marco ML para detectar patrones no aleatorios en datos numéricos de investigación
FDRS: marco ML-estadístico para detectar patrones no aleatorios en datos numéricos de investigación. Alcanza un AUC de 0.98 y clasifica riesgos de fraude.
Control de FDR con knockoffs en redes neuronales profundas
Descubre cómo los métodos knockoff controlan la tasa de falsos descubrimientos en redes profundas, simplificando modelos sin perder precisión.