:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Kirk, Nathan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Machine Learning Numerical Analysis Computation 65C05, 60G15
Online-Zugang:	https://arxiv.org/abs/2602.14607
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A gradient-based and determinant-free framework for fully Bayesian Gaussian process regression
von: Kielstra, P. Michael, et al.
Veröffentlicht: (2024)

Modelling pathwise uncertainty of Stochastic Differential Equations samplers via Probabilistic Numerics
von: Fay, Yvann Le, et al.
Veröffentlicht: (2023)

Mixture-Weighted Ensemble Kalman Filter with Quasi-Monte Carlo Transport
von: Klebanov, Ilja, et al.
Veröffentlicht: (2026)

An analysis of the derivative-free loss method for solving PDEs
von: Han, Jihun, et al.
Veröffentlicht: (2023)

Dirichlet-Neumann Averaging: The DNA of Efficient Gaussian Process Simulation
von: Kutri, Robert, et al.
Veröffentlicht: (2024)

Sequential Monte Carlo approximations of Wasserstein--Fisher--Rao gradient flows
von: Crucinio, Francesca R., et al.
Veröffentlicht: (2025)

Unbiased Kinetic Langevin Monte Carlo with Inexact Gradients
von: Chada, Neil K., et al.
Veröffentlicht: (2023)

Preconditioned Langevin Dynamics with Score-Based Generative Models for Infinite-Dimensional Linear Bayesian Inverse Problems
von: Baldassari, Lorenzo, et al.
Veröffentlicht: (2025)

Randomized Runge-Kutta-Nyström Methods for Unadjusted Hamiltonian and Kinetic Langevin Monte Carlo
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2023)

nuGPR: GPU-Accelerated Gaussian Process Regression with Iterative Algorithms and Low-Rank Approximations
von: Zhao, Ziqi, et al.
Veröffentlicht: (2025)

Bayesian learning with Gaussian processes for low-dimensional representations of time-dependent nonlinear systems
von: McQuarrie, Shane A., et al.
Veröffentlicht: (2024)

Optimal Sensor Placement in Gaussian Processes via Column Subset Selection
von: Chen, Jessie, et al.
Veröffentlicht: (2026)

An energy-based deep splitting method for the nonlinear filtering problem
von: Bågmark, Kasper, et al.
Veröffentlicht: (2022)

A Robbins--Monro Sequence That Can Exploit Prior Information For Faster Convergence
von: Liu, Siwei, et al.
Veröffentlicht: (2024)

Exponentially accurate spectral Monte Carlo method for linear PDEs and their error estimates
von: Feng, Jiaying, et al.
Veröffentlicht: (2025)

Bayesian D-Optimal Experimental Designs via Column Subset Selection
von: Eswar, Srinivas, et al.
Veröffentlicht: (2024)

A nested MLMC framework for efficient simulations on FPGAs
von: Haas, Irina-Beatrice, et al.
Veröffentlicht: (2025)

Deep Operator BSDE: a Numerical Scheme to Approximate Solution Operators
von: Lozano, Pere Díaz, et al.
Veröffentlicht: (2024)

Multigrid Monte Carlo Revisited: Theory and Bayesian Inference
von: Kazashi, Yoshihito, et al.
Veröffentlicht: (2024)

Hybrid Parameter Search and Dynamic Model Selection for Mixed-Variable Bayesian Optimization
von: Luo, Hengrui, et al.
Veröffentlicht: (2022)

Localized Schrödinger Bridge Sampler
von: Gottwald, Georg A., et al.
Veröffentlicht: (2024)

Stable generative modeling using Schrödinger bridges
von: Gottwald, Georg A., et al.
Veröffentlicht: (2024)

High-dimensional Bayesian filtering through deep density approximation
von: Bågmark, Kasper, et al.
Veröffentlicht: (2025)

Deep Learning without Global Optimization by Random Fourier Neural Networks
von: Davis, Owen, et al.
Veröffentlicht: (2024)

High order approximations and simulation schemes for the log-Heston process
von: Alfonsi, Aurélien, et al.
Veröffentlicht: (2024)

Non-stationary Gaussian random fields on hypersurfaces: Sampling and strong error analysis
von: Jansson, Erik, et al.
Veröffentlicht: (2024)

A convergent scheme for the Bayesian filtering problem based on the Fokker--Planck equation and deep splitting
von: Bågmark, Kasper, et al.
Veröffentlicht: (2024)

Antithetic multilevel Monte Carlo method for approximations of SDEs with non-globally Lipschitz continuous coefficients
von: Pang, Chenxu, et al.
Veröffentlicht: (2023)

Error estimates for tamed Euler and Randomized Euler schemes for SDEs with locally Lipschitz drift with applications to non-logconcave sampling and optimization
von: Lytras, Iosif, et al.
Veröffentlicht: (2026)

A Multilevel Monte Carlo Virtual Element Method for Uncertainty Quantification of Elliptic Partial Differential Equations
von: Antonietti, Paola F., et al.
Veröffentlicht: (2026)

Taylor Approximation Variance Reduction for Approximation Errors in PDE-constrained Bayesian Inverse Problems
von: Nicholson, Ruanui, et al.
Veröffentlicht: (2025)

Deep neural networks with ReLU, leaky ReLU, and softplus activation provably overcome the curse of dimensionality for space-time solutions of semilinear partial differential equations
von: Ackermann, Julia, et al.
Veröffentlicht: (2024)

Deep neural networks with ReLU, leaky ReLU, and softplus activation provably overcome the curse of dimensionality for Kolmogorov partial differential equations with Lipschitz nonlinearities in the $L^p$-sense
von: Ackermann, Julia, et al.
Veröffentlicht: (2023)

Fast exact simulation of the first passage of a tempered stable subordinator across a non-increasing function
von: Cázares, Jorge Ignacio González, et al.
Veröffentlicht: (2023)

Exploiting Inexact Computations in Multilevel Monte Carlo and Other Sampling Methods
von: Martínek, Josef, et al.
Veröffentlicht: (2025)

Ensemble-Based Annealed Importance Sampling
von: Chen, Haoxuan, et al.
Veröffentlicht: (2024)

Low-rank Bayesian matrix completion via geodesic Hamiltonian Monte Carlo on Stiefel manifolds
von: Cui, Tiangang, et al.
Veröffentlicht: (2024)

Discovery of Probabilistic Dirichlet-to-Neumann Maps on Graphs
von: Propp, Adrienne M., et al.
Veröffentlicht: (2025)

Taming Score-Based Diffusion Priors for Infinite-Dimensional Nonlinear Inverse Problems
von: Baldassari, Lorenzo, et al.
Veröffentlicht: (2024)

Convergence proofs and strong error bounds for forward-backward stochastic differential equations using neural network simulations
von: Sheridan-Methven, Oliver
Veröffentlicht: (2024)