Daniel Sanz-Alonso

Cette étude améliore les filtres de Kalman ensemblistes grâce à une nouvelle technique de rééchantillonnage.

Cet article examine les bornes d'erreur dans les modèles bayésiens hiérarchiques pour des paramètres de haute dimension.

Les modèles de machine learning comme FourCastNet améliorent la précision des prévisions météo grâce à l'assimilation des données.

Une nouvelle méthode améliore l'estimation de covariance dans les processus gaussiens avec un seuil adaptatif.

Une plongée dans les méthodes pour estimer des opérateurs de covariance bandés et clairsemés.

Apprends comment les matrices de précision et les facteurs de Cholesky améliorent l'analyse de données.

Découvre comment les filtres de Kalman en ensemble améliorent les prévisions dans des systèmes chaotiques.