Copertina

Neural Conditional Simulation for Complex Spatial Processes

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Walchessen, Julia, Zammit-Mangion, Andrew, Huser, Raphaël, Kuusela, Mikael
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Neural Likelihood Surfaces for Spatial Processes with Computationally Intensive or Intractable Likelihoods
di: Walchessen, Julia, et al.
Pubblicazione: (2023)

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

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

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

Neural Methods for Amortized Inference
di: Zammit-Mangion, Andrew, et al.
Pubblicazione: (2024)

Modeling nonstationary spatial processes with normalizing flows
di: Nag, Pratik, et al.
Pubblicazione: (2025)

Conditioning Gaussian Processes on Almost Anything
di: Moss, Henry, et al.
Pubblicazione: (2026)

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)

Spatio-temporal modeling and forecasting with Fourier neural operators
di: Nag, Pratik, et al.
Pubblicazione: (2026)

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

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

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

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

Spatial Bayesian Neural Networks
di: Zammit-Mangion, Andrew, et al.
Pubblicazione: (2023)

R-VGAL: A Sequential Variational Bayes Algorithm for Generalised Linear Mixed Models
di: Vu, Bao Anh, et al.
Pubblicazione: (2023)

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

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

Keeping Score: Efficiency Improvements in Neural Likelihood Surrogate Training via Score-Augmented Loss Functions
di: Shen, Alexander, et al.
Pubblicazione: (2026)

Predicting Covariate-Driven Spatial Deformation for Nonstationary Gaussian Processes
di: Gu, Minghao, et al.
Pubblicazione: (2026)

Doubly Robust Conditional Independence Testing with Generative Neural Networks
di: Zhang, Yi, et al.
Pubblicazione: (2024)

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

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

Posterior SBC: Simulation-Based Calibration Checking Conditional on Data
di: Säilynoja, Teemu, et al.
Pubblicazione: (2025)

Revisiting Neural Processes via Fourier Transform and Volterra Series
di: Mohseni, Peiman, et al.
Pubblicazione: (2026)

Bayesian Sphere-on-Sphere Regression with Optimal Transport Maps
di: Ng, Tin Lok James, et al.
Pubblicazione: (2025)

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

Exact Bayesian Gaussian Cox Processes Using Random Integral
di: Tang, Bingjing, et al.
Pubblicazione: (2024)

Neural Conditional Probability for Uncertainty Quantification
di: Kostic, Vladimir R., et al.
Pubblicazione: (2024)

Preconditioned Robust Neural Posterior Estimation for Misspecified Simulators
di: Kelly, Ryan P., et al.
Pubblicazione: (2026)

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

Screening for Diabetes Mellitus in the U.S. Population Using Neural Network Models and Complex Survey Designs
di: Matabuena, Marcos, et al.
Pubblicazione: (2024)

Simulation-based Inference for High-dimensional Data using Surjective Sequential Neural Likelihood Estimation
di: Dirmeier, Simon, et al.
Pubblicazione: (2023)

Spatial Covariance Constraints for Gaussian Mixture Models
di: Lu, Hanzhang, et al.
Pubblicazione: (2026)

Misspecification-robust Sequential Neural Likelihood for Simulation-based Inference
di: Kelly, Ryan P., et al.
Pubblicazione: (2023)

Conditional Rank-Rank Regression via Deep Conditional Transformation Models
di: Wang, Xiaoyi, et al.
Pubblicazione: (2026)

Semi-Parametric Inference for Doubly Stochastic Spatial Point Processes: An Approximate Penalized Poisson Likelihood Approach
di: Cheng, Si, et al.
Pubblicazione: (2023)

Time-series Random Process Complexity Ranking Using a Bound on Conditional Differential Entropy
di: Ayers, Jacob, et al.
Pubblicazione: (2025)

Bayesian Spatial Predictive Synthesis
di: Cabel, Danielle, et al.
Pubblicazione: (2022)

Conditional Data Synthesis Augmentation
di: Tian, Xinyu, et al.
Pubblicazione: (2025)

Robust and Conjugate Spatio-Temporal Gaussian Processes
di: Laplante, William, et al.
Pubblicazione: (2025)