Andrew M. Stuart

Analyser et atténuer les erreurs de discrétisation dans les Fourier Neural Operators pour de meilleures prédictions.

On développe des méthodes pour peaufiner des modèles en utilisant des observations bruyantes et indirectes.

Présentation d'une nouvelle méthode d'échantillonnage à partir de distributions de probabilité complexes en inférence bayésienne.

De nouveaux modèles simplifient la gestion des données basées sur des fonctions dans divers domaines.

Cette étude améliore le filtre de Kalman par ensemble pour des applications non linéaires.