Buchumschlag

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lam, Ka Kin, Wang, Bo
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Applications Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multipopulation mortality modelling and forecasting: The multivariate functional principal component with time weightings approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Random cohort effects and age groups dependency structure for mortality modelling and forecasting: Mixed-effects time-series model approach
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Local transfer learning Gaussian process modeling, with applications to surrogate modeling of expensive computer simulators
von: Wang, Xinming, et al.
Veröffentlicht: (2024)

Downscaling land surface temperature data using edge detection and block-diagonal Gaussian process regression
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2026)

Online detection of forecast model inadequacies using forecast errors
von: Grundy, Thomas, et al.
Veröffentlicht: (2025)

Bayesian Federated Inference for regression models based on non-shared multicenter data sets from heterogeneous populations
von: Jonker, Marianne A, et al.
Veröffentlicht: (2024)

A non-parametric optimal design algorithm for population pharmacokinetics
von: Hovd, Markus, et al.
Veröffentlicht: (2025)

Modelling non-stationary extremal dependence through a geometric approach
von: Murphy-Barltrop, C. J. R., et al.
Veröffentlicht: (2025)

Logistic regression models for patient-level prediction based on massive observational data: Do we need all data?
von: John, Luis H., et al.
Veröffentlicht: (2020)

An adaptive standardisation methodology for Day-Ahead electricity price forecasting
von: Sebastián, Carlos, et al.
Veröffentlicht: (2023)

An intuitive rearranging of the Yates covariance decomposition for probabilistic verification of forecasts with the Brier score
von: Vieira, Bruno Hebling
Veröffentlicht: (2026)

A statistical approach to latent dynamic modeling with differential equations
von: Hackenberg, Maren, et al.
Veröffentlicht: (2023)

Compactly-supported nonstationary kernels for computing exact Gaussian processes on big data
von: Risser, Mark D., et al.
Veröffentlicht: (2024)

Combinations of distributional regression algorithms with application in uncertainty estimation of corrected satellite precipitation products
von: Papacharalampous, Georgia, et al.
Veröffentlicht: (2024)

On metric choice in dimension reduction for Fréchet regression
von: Soale, Abdul-Nasah, et al.
Veröffentlicht: (2024)

Extreme Conformal Prediction: Reliable Intervals for High-Impact Events
von: Pasche, Olivier C., et al.
Veröffentlicht: (2025)

Parsimonious Gaussian mixture models with piecewise-constant eigenvalue profiles
von: Szwagier, Tom, et al.
Veröffentlicht: (2025)

Gaussian processes at the Helm(holtz): A more fluid model for ocean currents
von: Berlinghieri, Renato, et al.
Veröffentlicht: (2023)

Predicting Electricity Consumption with Random Walks on Gaussian Processes
von: Hashimoto-Cullen, Chloé, et al.
Veröffentlicht: (2024)

A Gaussian Process Model for Ordinal Data with Applications to Chemoinformatics
von: Gosnell, Arron, et al.
Veröffentlicht: (2024)

Forecast reconciliation with non-linear constraints
von: Girolimetto, Daniele, et al.
Veröffentlicht: (2025)

Gaussian Copula Models for Nonignorable Missing Data Using Auxiliary Marginal Quantiles
von: Feldman, Joseph, et al.
Veröffentlicht: (2024)

Sparse Variational Contaminated Noise Gaussian Process Regression with Applications in Geomagnetic Perturbations Forecasting
von: Iong, Daniel, et al.
Veröffentlicht: (2024)

Performance of models for monitoring sustainable development goals from remote sensing: A three-level meta-regression
von: Klingwort, Jonas, et al.
Veröffentlicht: (2026)

Robust inference for risk heterogeneity under group imbalance
von: Xu, Mengqi, et al.
Veröffentlicht: (2026)

Subspace Recovery in Winsorized PCA: Insights into Accuracy and Robustness
von: Han, Sangil, et al.
Veröffentlicht: (2025)

Testing and Improving the Robustness of Amortized Bayesian Inference for Cognitive Models
von: Wu, Yufei, et al.
Veröffentlicht: (2024)

Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing
von: Das, Pramit, et al.
Veröffentlicht: (2025)

Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram
von: Ma, Ziling, et al.
Veröffentlicht: (2025)

Integrative Learning of Dynamically Evolving Multiplex Graphs and Nodal Attributes Using Neural Network Gaussian Processes with an Application to Dynamic Terrorism Graphs
von: Rodriguez-Acosta, Jose, et al.
Veröffentlicht: (2026)

A Bayesian Non-parametric Approach to Generative Models: Integrating Variational Autoencoder and Generative Adversarial Networks using Wasserstein and Maximum Mean Discrepancy
von: Fazeli-Asl, Forough, et al.
Veröffentlicht: (2023)

BSD: a Bayesian framework for parametric models of neural spectra
von: Medrano, Johan, et al.
Veröffentlicht: (2024)

Parametric model for post-processing visibility ensemble forecasts
von: Baran, Ágnes, et al.
Veröffentlicht: (2023)

Density regression via Dirichlet process mixtures of normal structured additive regression models
von: Rodríguez-Álvarez, María Xosé, et al.
Veröffentlicht: (2024)

A geometric approach in non-parametric Changepoint detection in circular data
von: Biswas, Surojit, et al.
Veröffentlicht: (2024)

Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk
von: Kobayashi, Genya, et al.
Veröffentlicht: (2026)

Generative Bayesian Computation as a Scalable Alternative to Gaussian Process Surrogates
von: Polson, Nick, et al.
Veröffentlicht: (2026)

Clustering-based spatial interpolation of parametric post-processing models
von: Baran, Sándor, et al.
Veröffentlicht: (2024)

Data reuse enables cost-efficient randomized trials of medical AI models
von: Nercessian, Michael, et al.
Veröffentlicht: (2025)

Stability of clinical prediction models developed using statistical or machine learning methods
von: Riley, Richard D, et al.
Veröffentlicht: (2022)