El creciente interés en comprender la dinámica de la microbiota ha motivado el desarrollo de diferentes estrategias para modelar datos de series temporales de microbiota. Sin embargo, todas ellas deben abordar el hecho de que los datos disponibles son de alta dimensionalidad, lo que plantea fuertes desafíos estadísticos y computacionales. Para abordar este desafío, proponemos un modelo autorregresivo de Dirichlet con parámetros variables en el tiempo, que puede adaptarse directamente para explicar el efecto de grupos de taxones, reduciendo así el número de parámetros estimados por máxima verosimilitud. Se ha implementado una estrategia que acelera esta estimación. La utilidad del modelo propuesto se ilustra mediante su aplicación a un estudio de caso.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Un modelo de evaluación del riesgo para la privacidad de los macrodatos médicos basado en la teoría neurodifusa adaptativa
Artículos:
Soluciones eficientes al problema de los millonarios bipartidistas y multipartidistas
Artículos:
Desarrollo de un método de evaluación y gestión de riesgos de software basado en reglas con un sistema de inferencia difusa.
Artículos:
Programación óptima de los departamentos de consultas externas de doctores basada en el comportamiento de los pacientes.
Artículos:
Validación del marco de ciberseguridad para la mitigación de amenazas
Artículos:
Comportamiento del aguacate Hass liofilizado durante la operación de rehidratación
Artículos:
Caracterización estructural de la materia orgánica de tres suelos provenientes del municipio de Aquitania-Boyacá, Colombia
Informes y Reportes:
Técnicas de recuperación de suelos contaminados
Artículos:
Una revisión de la etiopatogenia y características clínicas e histopatológicas del melanoma mucoso oral.