Buchumschlag

Spatio-temporal modeling and forecasting with Fourier neural operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nag, Pratik, Zammit-Mangion, Andrew, Singh, Sumeetpal, Cressie, Noel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

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

Deep classifier kriging for probabilistic spatial prediction of air quality index
von: Chen, Junyu, et al.
Veröffentlicht: (2025)

Spatio-temporal DeepKriging in PyTorch: A Supplementary Application to Precipitation Data for Interpolation and Probabilistic Forecasting
von: Nag, Pratik
Veröffentlicht: (2025)

Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders
von: Ma, Xiaoyu, et al.
Veröffentlicht: (2025)

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

Spatially-informed transformers: Injecting geostatistical covariance biases into self-attention for spatio-temporal forecasting
von: Calleo, Yuri
Veröffentlicht: (2025)

Decoupling Distance and Networks: Hybrid Graph Attention-Geostatistical Methods for Spatio-temporal Risk Mapping
von: Bamidele, Toba Temitope, et al.
Veröffentlicht: (2026)

Online detection of forecast model inadequacies using forecast errors
von: Grundy, Thomas, et al.
Veröffentlicht: (2025)

A projected nonlinear state-space model for forecasting time series signals
von: Donner, Christian, et al.
Veröffentlicht: (2023)

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

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

The Bayesian Context Trees State Space Model for time series modelling and forecasting
von: Papageorgiou, Ioannis, et al.
Veröffentlicht: (2023)

STACI: Spatio-Temporal Aleatoric Conformal Inference
von: Feng, Brandon R., et al.
Veröffentlicht: (2025)

Random Fourier Signature Features
von: Toth, Csaba, et al.
Veröffentlicht: (2023)

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Multipopulation mortality modelling and forecasting: The multivariate functional principal component with time weightings approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

A model-free subdata selection method for classification
von: Singh, Rakhi
Veröffentlicht: (2024)

WOMBAT v2.S: A Bayesian inversion framework for attributing global CO$_2$ flux components from multiprocess data
von: Jacobson, Josh, et al.
Veröffentlicht: (2025)

WOMBAT v2.S: A Bayesian Inversion Framework for Attributing Global CO 2 Flux Components From Multiprocess Data
von: Josh Jacobson, et al.
Veröffentlicht: (2025)

An interpretable neural network-based non-proportional odds model for ordinal regression
von: Okuno, Akifumi, et al.
Veröffentlicht: (2023)

Optimal prediction of positive-valued spatial processes: asymmetric power-divergence loss
von: Pearse, Alan R., et al.
Veröffentlicht: (2024)

Echo State Networks for Spatio-Temporal Area-Level Data
von: Wang, Zhenhua, et al.
Veröffentlicht: (2024)

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

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

A least distance estimator for a multivariate regression model using deep neural networks
von: Shin, Jungmin, et al.
Veröffentlicht: (2024)

Predictive Causal Inference via Spatio-Temporal Modeling and Penalized Empirical Likelihood
von: Lee, Byunghee, et al.
Veröffentlicht: (2025)

A new machine learning framework for occupational accidents forecasting with safety inspections integration
von: Yapi, Aho, et al.
Veröffentlicht: (2025)

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

Fourier Low-rank and Sparse Tensor for Efficient Tensor Completion
von: Li, Jingyang, et al.
Veröffentlicht: (2025)

Score-Based Change-Point Detection and Region Localization for Spatio-Temporal Point Processes
von: Zhou, Wenbin, et al.
Veröffentlicht: (2026)

Identifiable Autoregressive Variational Autoencoders for Nonlinear and Nonstationary Spatio-Temporal Blind Source Separation
von: Sipilä, Mika, et al.
Veröffentlicht: (2025)

Graph neural networks for power grid operational risk assessment under evolving grid topology
von: Zhang, Yadong, et al.
Veröffentlicht: (2024)

Generative neural networks for characteristic functions
von: Brück, Florian
Veröffentlicht: (2024)