Copertina

Rational Kriging

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Joseph, V. Roshan
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Active Learning via Heteroskedastic Rational Kriging
di: Wang, Shangkun, et al.
Pubblicazione: (2025)

Factor Importance Ranking and Selection using Total Indices
di: Huang, Chaofan, et al.
Pubblicazione: (2024)

Kriging via variably scaled kernels
di: Audone, Gianluca, et al.
Pubblicazione: (2026)

Assessing Extrapolation of Peaks Over Thresholds with Martingale Testing
di: de Vilmarest, Joseph, et al.
Pubblicazione: (2025)

Bayesian Event-Based Model for Disease Subtype and Stage Inference
di: Hao, Hongtao, et al.
Pubblicazione: (2025)

Sliding-Window Signatures for Time Series: Application to Electricity Demand Forecasting
di: Drobac, Nina, et al.
Pubblicazione: (2025)

Text Rationalization for Robust Causal Effect Estimation
di: Zhang, Lijinghua, et al.
Pubblicazione: (2025)

Bayesian implementation of Targeted Maximum Likelihood Estimation for uncertainty quantification in causal effect estimation
di: Nannapaneni, Saideep, et al.
Pubblicazione: (2025)

Bayesian Counterfactual Prediction Models for HIV Care Retention with Incomplete Outcome and Covariate Information
di: Oganisian, Arman, et al.
Pubblicazione: (2024)

Reinforcement Learning in Modern Biostatistics: Constructing Optimal Adaptive Interventions
di: Deliu, Nina, et al.
Pubblicazione: (2022)

Causal-learn: Causal Discovery in Python
di: Zheng, Yujia, et al.
Pubblicazione: (2023)

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

Classifier Pooling for Modern Ordinal Classification
di: Rotenberg, Noam H., et al.
Pubblicazione: (2026)

A Framework for Nonstationary Gaussian Processes with Neural Network Parameters
di: James, Zachary, et al.
Pubblicazione: (2025)

Efficient Active Learning Strategies for Computer Experiments
di: Song, Difan, et al.
Pubblicazione: (2025)

Robust designs for Gaussian process emulation of computer experiments
di: Mak, Simon, et al.
Pubblicazione: (2025)

Statistically Efficient Bayesian Sequential Experiment Design via Reinforcement Learning with Cross-Entropy Estimators
di: Blau, Tom, et al.
Pubblicazione: (2023)

DeepKriging on the global Data
di: Huang, Hao-Yun, et al.
Pubblicazione: (2026)

Diagrams-to-Dynamics (D2D): Exploring Causal Loop Diagram Leverage Points under Uncertainty
di: Uleman, Jeroen F., et al.
Pubblicazione: (2025)

Enhancing Sample Quality through Minimum Energy Importance Weights
di: Huang, Chaofan, et al.
Pubblicazione: (2023)

On Using Large Language Models to Enhance Clinically-Driven Missing Data Recovery Algorithms in Electronic Health Records
di: Lotspeich, Sarah C., et al.
Pubblicazione: (2025)

Automated Analysis of Experiments using Hierarchical Garrote
di: Yu, Wei-Yang, et al.
Pubblicazione: (2024)

Space-Filling One-Factor-At-A-Time Designs
di: Yu, Wei-Yang, et al.
Pubblicazione: (2026)

Reliability analysis for non-deterministic limit-states using stochastic emulators
di: Pires, Anderson V., et al.
Pubblicazione: (2024)

Explainability as statistical inference
di: Senetaire, Hugo Henri Joseph, et al.
Pubblicazione: (2022)

Performance of Cross-Validated Targeted Maximum Likelihood Estimation
di: Smith, Matthew J., et al.
Pubblicazione: (2024)

Functional Analysis of Variance for Association Studies
di: Vsevolozhskaya, Olga A., et al.
Pubblicazione: (2025)

Principal component analysis balancing prediction and approximation accuracy for spatial data
di: Cheng, Si, et al.
Pubblicazione: (2024)

Rapid Approximation Prediction for Kriging
di: Li, Ziyu, et al.
Pubblicazione: (2026)

Empirical Bayes Covariance Decomposition, and a Solution to the Multiple Tuning Problem in Sparse PCA
di: Kang, Joonsuk, et al.
Pubblicazione: (2023)

K-Tensors: Clustering Positive Semi-Definite Matrices
di: Zhang, Hanchao, et al.
Pubblicazione: (2023)

The Challenges of Hyperparameter Tuning for Accurate Causal Effect Estimation
di: Machlanski, Damian, et al.
Pubblicazione: (2023)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
di: Wu, Ying, et al.
Pubblicazione: (2023)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
di: Xie, Shaoan, et al.
Pubblicazione: (2023)

MMD-based Variable Importance for Distributional Random Forest
di: Bénard, Clément, et al.
Pubblicazione: (2023)

Engression: Extrapolation through the Lens of Distributional Regression
di: Shen, Xinwei, et al.
Pubblicazione: (2023)

A Multivariate Unimodality Test Harnessing the Dip Statistic of Mahalanobis Distances Over Random Projections
di: Kolyvakis, Prodromos, et al.
Pubblicazione: (2023)

Counterfactual Generative Models for Time-Varying Treatments
di: Wu, Shenghao, et al.
Pubblicazione: (2023)

Sensitivity-Aware Amortized Bayesian Inference
di: Elsemüller, Lasse, et al.
Pubblicazione: (2023)

Kernel Debiased Plug-in Estimation: Simultaneous, Automated Debiasing without Influence Functions for Many Target Parameters
di: Cho, Brian, et al.
Pubblicazione: (2023)