Copertina

Optimal Experimental Design for Partially Observable Pure Birth Processes

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Eshragh, Ali, Skerritt, Matthew P., Salvy, Bruno, McCallum, Thomas
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Statistics Theory Numerical Analysis
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Precision and Cholesky Factor Estimation for Gaussian Processes
di: Chen, Jiaheng, et al.
Pubblicazione: (2024)

Adaptive minimax optimality in statistical inverse problems via SOLIT -- Sharp Optimal Lepskii-Inspired Tuning
di: Li, Housen, et al.
Pubblicazione: (2023)

Mean-Square Convergence of a New Parameterized Leapfrog Scheme for Hamiltonian Systems Driven by Gaussian Process Potentials
di: Bhattacharya, Sourabh
Pubblicazione: (2026)

Speeding up Monte Carlo Integration: Control Neighbors for Optimal Convergence
di: Leluc, Rémi, et al.
Pubblicazione: (2023)

Optimal Recovery Meets Minimax Estimation
di: DeVore, Ronald, et al.
Pubblicazione: (2025)

Posterior Covariance Structures in Gaussian Processes
di: Cai, Difeng, et al.
Pubblicazione: (2024)

Gaussian Process Regression under Computational and Epistemic Misspecification
di: Sanz-Alonso, Daniel, et al.
Pubblicazione: (2023)

A polynomial chaos approach for uncertainty quantification of Monte Carlo transport codes
di: Geraci, Gianluca, et al.
Pubblicazione: (2024)

Extrapolation and generative algorithms for three applications in finance
di: LeFloch, Philippe G., et al.
Pubblicazione: (2024)

Regularisation for the approximation of functions by mollified discretisation methods
di: Pouchol, Camille, et al.
Pubblicazione: (2024)

Convergence of Noise-Free Sampling Algorithms with Regularized Wasserstein Proximals
di: Han, Fuqun, et al.
Pubblicazione: (2024)

Geometric optics approximation sampling: near-field case
di: Sun, Zejun, et al.
Pubblicazione: (2024)

Uncertainty calibration for probabilistic projection methods
di: Fanaskov, Vladimir
Pubblicazione: (2024)

A Closed-Form Transition Density Expansion for Elliptic and Hypo-Elliptic SDEs
di: Iguchi, Yuga, et al.
Pubblicazione: (2025)

Boosted optimal weighted least-squares
di: Haberstich, Cécile, et al.
Pubblicazione: (2019)

Strong consistency of an estimator by the truncated singular value decomposition for an errors-in-variables regression model with collinearity
di: Aishima, Kensuke
Pubblicazione: (2023)

One-dimensional Tensor Network Recovery
di: Chen, Ziang, et al.
Pubblicazione: (2022)

A global Lipschitz stability perspective for understanding approximate approaches in Bayesian sequential learning
di: Wang, Liliang, et al.
Pubblicazione: (2025)

Blind free deconvolution over one-parameter sparse families via eigenmatrix
di: Ying, Lexing
Pubblicazione: (2025)

Computable error bounds for quasi-Monte Carlo using points with non-negative local discrepancy
di: Gnewuch, Michael, et al.
Pubblicazione: (2023)

On the contraction rate of the posterior distribution for nonlinear PDE parameter identification
di: Fan, Yuxin, et al.
Pubblicazione: (2026)

Multi-fidelity No-U-Turn Sampling
di: Ravi, Kislaya, et al.
Pubblicazione: (2023)

Coverage errors for Student's t confidence intervals comparable to those in Hall (1988)
di: Owen, Art B.
Pubblicazione: (2025)

A Fourier-based inference method for learning interaction kernels in particle systems
di: Pavliotis, Grigorios A., et al.
Pubblicazione: (2025)

An Approximation Theory Framework for Measure-Transport Sampling Algorithms
di: Baptista, Ricardo, et al.
Pubblicazione: (2023)

Covariance-Informed Subspace: an Adaptive Gradient-Free Input Dimension Reduction Method for Bayesian Inference
di: Polette, Nadège, et al.
Pubblicazione: (2026)

Accelerating Langevin Monte Carlo via Efficient Stochastic Runge--Kutta Methods beyond Log-Concavity
di: Yang, Bin, et al.
Pubblicazione: (2026)

Sparse free deconvolution under unknown noise level via eigenmatrix
di: Ying, Lexing
Pubblicazione: (2025)

Tensor-train methods for sequential state and parameter learning in state-space models
di: Zhao, Yiran, et al.
Pubblicazione: (2023)

Stochastic Trace and Diagonal Estimator for Tensors
di: Verma, Bhisham Dev, et al.
Pubblicazione: (2025)

A novel statistical workflow for nonstationary modelling of successive Fréchet extremes
di: Burtenshaw, Grace, et al.
Pubblicazione: (2025)

A generalization bound for exit wave reconstruction via deep unfolding
di: Atwi, Moussa, et al.
Pubblicazione: (2025)

Central Limit Theorems for Coupled Particle Filters
di: Jasra, Ajay, et al.
Pubblicazione: (2018)

Asymptotic analysis of the Gaussian kernel matrix for partially noisy data in high dimensions
di: Aishima, Kensuke
Pubblicazione: (2026)

Extreme learning machines for variance-based global sensitivity analysis
di: Darges, John, et al.
Pubblicazione: (2022)

Integration of bounded monotone functions: Revisiting the nonsequential case, with a focus on unbiased Monte Carlo (randomized) methods
di: Basak, Subhasish, et al.
Pubblicazione: (2022)

Error analysis for a statistical finite element method
di: Karvonen, Toni, et al.
Pubblicazione: (2022)

Covariance estimation using h-statistics in Monte Carlo and multilevel Monte Carlo methods
di: Shivanand, Sharana Kumar
Pubblicazione: (2023)

q-Analogue of Hamiltonian Monte Carlo method
di: Yang, Xiaomei, et al.
Pubblicazione: (2025)

Data-driven Learning of Interaction Laws in Multispecies Particle Systems with Gaussian Processes: Convergence Theory and Applications
di: Feng, Jinchao, et al.
Pubblicazione: (2025)