Daniel Sanz-Alonso

Este artículo examina los límites de error en modelos bayesianos jerárquicos para parámetros de alta dimensión.

Modelos de aprendizaje automático como FourCastNet mejoran la precisión de las predicciones del clima mediante la asimilación de datos.

Un nuevo método mejora la estimación de covarianza en procesos gaussianos con umbralización adaptativa.

Una inmersión profunda en métodos para estimar operadores de covarianza en bandas y escasos.

Aprende cómo las matrices de precisión y los factores de Cholesky mejoran el análisis de datos.

Descubre cómo los filtros de Kalman por conjunto mejoran las predicciones en sistemas caóticos.