Buchumschlag

A Deep Learning Synthetic Likelihood Approximation of a Non-stationary Spatial Model for Extreme Streamflow Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Majumder, Reetam, Reich, Brian
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Methodology Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modeling Extremal Streamflow using Deep Learning Approximations and a Flexible Spatial Process
von: Majumder, Reetam, et al.
Veröffentlicht: (2022)

Spatial Extremes at Scale: A Case Study of Surface Skin Temperature and Heat Risk in the United States
von: Lee, Ben Seiyon, et al.
Veröffentlicht: (2026)

Optimal Stock Portfolio Selection with a Multivariate Hidden Markov Model
von: Majumder, Reetam, et al.
Veröffentlicht: (2024)

RESAPLE: An Approximate One-Step Restricted Likelihood Estimator of Spatial Dependence for Exploratory Spatial Analysis
von: Khan, Aditya, et al.
Veröffentlicht: (2026)

Causal Spatial Quantile Regression
von: Gong, Yan, et al.
Veröffentlicht: (2025)

Don't Disregard the Data for Lack of a Likelihood: Bayesian Synthetic Likelihood for Enhanced Multilevel Network Meta-Regression
von: Campbell, Harlan, et al.
Veröffentlicht: (2026)

Computationally Scalable Bayesian SPDE Modeling for Censored Spatial Responses
von: Sahoo, Indranil, et al.
Veröffentlicht: (2024)

Approximate Maximum Likelihood Inference for Acoustic Spatial Capture-Recapture with Unknown Identities, Using Monte Carlo Expectation Maximization
von: Wang, Yuheng, et al.
Veröffentlicht: (2024)

Estimating Covariate Effects on Functional Connectivity using Voxel-Level fMRI Data
von: Zhao, Wei, et al.
Veröffentlicht: (2025)

Penalized Likelihood Methods for Modeling Count Data
von: Bui, Minh Thu, et al.
Veröffentlicht: (2021)

Extreme-Path Benchmarks for Sequential Probability Forecasts
von: Pipping-Gamón, Jonathan, et al.
Veröffentlicht: (2026)

A nonstationary spatial model of PM2.5 with localized transfer learning from numerical model output
von: Gong, Wenlong, et al.
Veröffentlicht: (2025)

E-STGCN: Extreme Spatiotemporal Graph Convolutional Networks for Air Quality Forecasting
von: Panja, Madhurima, et al.
Veröffentlicht: (2024)

Likelihood-based Modeling of Covariate-Specific Time-Dependent ROC Curves
von: Sewak, Ainesh, et al.
Veröffentlicht: (2025)

Quasi-Maximum Likelihood Estimation for a Genuinely Unbalanced Dynamic Network Panel Data Model
von: Wang, Zhijian, et al.
Veröffentlicht: (2025)

Spatial Deep Convolutional Neural Networks
von: Wang, Qi, et al.
Veröffentlicht: (2024)

Adaptive Penalized Likelihood method for Markov Chains
von: Zhou, Yining, et al.
Veröffentlicht: (2024)

Deep Learning of Multivariate Extremes via a Geometric Representation
von: Murphy-Barltrop, Callum J. R., et al.
Veröffentlicht: (2024)

Selective Inference in Graphical Models via Maximum Likelihood
von: Guglielmini, Sofia, et al.
Veröffentlicht: (2025)

Combined Quantile Forecasting for High-Dimensional Non-Gaussian Data
von: Park, Seeun, et al.
Veröffentlicht: (2024)

A new mixture model for spatiotemporal exceedances with flexible tail dependence
von: Li, Ryan, et al.
Veröffentlicht: (2026)

Mixed Time Series Quasi-Likelihood Models for Uncovering Covid-19 Viral Load and Mortality Dynamics
von: Wu, Kejin, et al.
Veröffentlicht: (2026)

A Bayesian nonlinear stationary model with multiple frequencies for business cycle analysis
von: Lenart, Łukasz, et al.
Veröffentlicht: (2024)

Advancing Information Integration through Empirical Likelihood: Selective Reviews and a New Idea
von: Chen, Chixiang, et al.
Veröffentlicht: (2024)

Hierarchical Bayesian spectral analysis of multiple stationary time series
von: Lee, Rebecca, et al.
Veröffentlicht: (2025)

A Time-Scaled ETAS Model for Earthquake Forecasting
von: Das, Agniva, et al.
Veröffentlicht: (2025)

Modeling Extreme Events: Univariate and Multivariate Data-Driven Approaches
von: Buriticá, Gloria, et al.
Veröffentlicht: (2024)

Semiparametric Estimation of the Shape of the Limiting Bivariate Point Cloud
von: Majumder, Reetam, et al.
Veröffentlicht: (2023)

Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk
von: Pasche, Olivier C., et al.
Veröffentlicht: (2022)

Statistics of Extremes for Neuroscience
von: Redondo, Paolo V., et al.
Veröffentlicht: (2024)

Spatiotemporal Modeling and Forecasting at Scale with Dynamic Generalized Linear Models
von: Pherwani, Pranay, et al.
Veröffentlicht: (2024)

Directional Dependence of Extreme Events
von: Garcin, Matthieu, et al.
Veröffentlicht: (2026)

Maximum Likelihood Estimation for Scaled Inhomogeneous Phase-Type Distributions from Discrete Observations
von: Baltazar-Larios, Fernando, et al.
Veröffentlicht: (2025)

Handling missing data when estimating causal effects with Targeted Maximum Likelihood Estimation
von: Dashti, S. Ghazaleh, et al.
Veröffentlicht: (2021)

Improved Risk Ratio Approximation by Complementary Log-Log Models: A Comparison with Logistic Models
von: Tsubota, Yuji, et al.
Veröffentlicht: (2025)

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

Stochastic Gradient MCMC for Massive Geostatistical Data
von: Abba, Mohamed A., et al.
Veröffentlicht: (2024)

Caliper Synthetic Matching: Generalized Radius Matching with Local Synthetic Controls
von: Che, Jonathan, et al.
Veröffentlicht: (2024)

Multi-objective Bayesian optimization for Likelihood-Free inference in sequential sampling models of decision making
von: Chen, David, et al.
Veröffentlicht: (2024)

A Bayesian Dirichlet Auto-Regressive Moving Average Model for Forecasting Lead Times
von: Katz, Harrison, et al.
Veröffentlicht: (2023)