Copertina

Separation-based causal discovery for extremes

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jiang, Junshu, Richards, Jordan, Huser, Raphaël, Bolin, David
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks
di: Richards, Jordan, et al.
Pubblicazione: (2022)

Extreme quantile regression with deep learning
di: Richards, Jordan, et al.
Pubblicazione: (2024)

The Efficient Tail Hypothesis: An Extreme Value Perspective on Market Efficiency
di: Jiang, Junshu, et al.
Pubblicazione: (2024)

Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
di: Shao, Xuanjie, et al.
Pubblicazione: (2025)

Efficient Modeling of Spatial Extremes over Large Geographical Domains
di: Hazra, Arnab, et al.
Pubblicazione: (2021)

Generative modelling of multivariate geometric extremes using normalising flows
di: De Monte, Lambert, et al.
Pubblicazione: (2025)

Flexible Modeling of Nonstationary Extremal Dependence using Spatially-Fused LASSO and Ridge Penalties
di: Shao, Xuanjie, et al.
Pubblicazione: (2022)

Intrinsic Whittle--Matérn fields and sparse spatial extremes
di: Bolin, David, et al.
Pubblicazione: (2025)

Statistics of extremes for natural hazards: landslides and earthquakes
di: Yadav, Rishikesh, et al.
Pubblicazione: (2024)

Modeling of spatial extremes in environmental data science: Time to move away from max-stable processes
di: Huser, Raphaël, et al.
Pubblicazione: (2024)

Neural Bayes Estimators for Irregular Spatial Data using Graph Neural Networks
di: Sainsbury-Dale, Matthew, et al.
Pubblicazione: (2023)

Neural Bayes estimators for censored inference with peaks-over-threshold models
di: Richards, Jordan, et al.
Pubblicazione: (2023)

Fast spatial simulation of extreme high-resolution radar precipitation data using INLA
di: Vandeskog, Silius M., et al.
Pubblicazione: (2023)

deepspat: An R package for modeling nonstationary spatial and spatio-temporal Gaussian and extremes data through deep deformations
di: Vu, Quan, et al.
Pubblicazione: (2025)

Spectral Extremal Connectivity of Two-State Seizure Brain Waves
di: Talento, Mara Sherlin D., et al.
Pubblicazione: (2025)

Joint modeling of low and high extremes using a multivariate extended generalized Pareto distribution
di: Alotaibi, Noura, et al.
Pubblicazione: (2025)

Measuring Information Transfer Between Nodes in a Brain Network through Spectral Transfer Entropy
di: Redondo, Paolo Victor, et al.
Pubblicazione: (2023)

Simulation-based inference via telescoping ratio estimation for trawl processes
di: Leonte, Dan, et al.
Pubblicazione: (2025)

Post-selection inference for causal effects after causal discovery
di: Chang, Ting-Hsuan, et al.
Pubblicazione: (2024)

Modern extreme value statistics for Utopian extremes
di: Richards, Jordan, et al.
Pubblicazione: (2023)

Neural Bayes estimation and selection for complex bivariate extremal dependence models
di: André, Lídia M., et al.
Pubblicazione: (2025)

MOPED: A moving sum method for change point detection in pairwise extremal dependence
di: McGonigle, Euan T., et al.
Pubblicazione: (2025)

Semi-parametric bulk and tail regression using spline-based neural networks
di: Majumder, Reetam, et al.
Pubblicazione: (2025)

Causal Spatial Quantile Regression
di: Gong, Yan, et al.
Pubblicazione: (2025)

Flexible and efficient emulation of spatial extremes processes via variational autoencoders
di: Zhang, Likun, et al.
Pubblicazione: (2023)

Separation-based distance measures for causal graphs
di: Wahl, Jonas, et al.
Pubblicazione: (2024)

Locally tail-scale invariant scoring rules for evaluation of extreme value forecasts
di: Olafsdottir, Helga Kristin, et al.
Pubblicazione: (2023)

Neural Conditional Simulation for Complex Spatial Processes
di: Walchessen, Julia, et al.
Pubblicazione: (2025)

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

Assumption violations in causal discovery and the robustness of score matching
di: Montagna, Francesco, et al.
Pubblicazione: (2023)

Quantile-based causal inference for spatio-temporal processes: Assessing the impacts of wildfires on US air quality
di: Geng, Zipei, et al.
Pubblicazione: (2025)

Neural Parameter Estimation with Incomplete Data
di: Sainsbury-Dale, Matthew, et al.
Pubblicazione: (2025)

Deep learning joint extremes of metocean variables using the SPAR model
di: Mackay, Ed, et al.
Pubblicazione: (2024)

Cross-validating causal discovery via Leave-One-Variable-Out
di: Schkoda, Daniela, et al.
Pubblicazione: (2024)

Bootstrap aggregation and confidence measures to improve time series causal discovery
di: Debeire, Kevin, et al.
Pubblicazione: (2023)

Confounder-robust causal discovery and inference in Perturb-seq using proxy and instrumental variables
di: Park, Kwangmoon, et al.
Pubblicazione: (2026)

Fast and robust cross-validation-based scoring rule inference for spatial statistics
di: Olafsdottir, Helga Kristin, et al.
Pubblicazione: (2024)

A conceptual synthesis of causal assumptions for causal discovery and inference
di: Correia, Hannah E.
Pubblicazione: (2025)

An extensive simulation study evaluating the interaction of resampling techniques across multiple causal discovery contexts
di: Banerjee, Ritwick, et al.
Pubblicazione: (2025)

Deep graphical regression for jointly moderate and extreme Australian wildfires
di: Cisneros, Daniela, et al.
Pubblicazione: (2023)