Andrew M. Stuart

Dieser Artikel behandelt das Operator-Lernen und seine Rolle bei der Annäherung an komplexe Modelle.

Analysieren und Minimieren von Diskretisierungsfehlern in Fourier Neural Operators für bessere Vorhersagen.

Wir entwickeln Methoden, um Modelle mit verrauschten und indirekten Beobachtungen zu verfeinern.

Einführung einer neuen Methode zur Stichprobennahme aus komplexen Wahrscheinlichkeitsverteilungen in der Bayesianischen Inferenz.

Neue Modelle erleichtern den Umgang mit funktionsbasierten Daten in verschiedenen Bereichen.

Diese Studie verbessert den Ensemble-Kalman-Filter für nichtlineare Anwendungen.