Andrew M. Stuart

Este artigo fala sobre aprendizado de operadores e seu papel em aproximar modelos complexos.

Analisando e mitigando erros de discretização em Operadores Neurais de Fourier pra fazer previsões melhores.

A gente desenvolve métodos pra refinar modelos usando observações ruidosas e indiretas.

Apresentando um novo método para amostragem de distribuições de probabilidade complexas na inferência bayesiana.

Novos modelos facilitam o manuseio de dados baseados em funções em várias áreas.

Este estudo melhora o Filtro de Kalman Ensemblar para aplicações não lineares.