Umberto Picchini
Jag är intresserad av statistisk inferens för stokastisk modellering, och särskilt Bayesianska beräkningsmetoder. Till exempel är jag intresserad av MCMC, sekvensiella Monte Carlo-metoder (partikelfilter) och i synnerhet "likelihood-fria" metoder, såsom Approximate Bayesian Computation (ABC). Jag har ett särskilt intresse för stokastisk modellering (till exempel stokastiska differentialekvationer) och tillämpningar inom biomedicin.
Visar 12 publikationer
JANA: Jointly Amortized Neural Approximation of Complex Bayesian Models
Sequentially Guided MCMC Proposals for Synthetic Likelihoods and Correlated Synthetic Likelihoods
Towards data-conditional simulation for ABC inference in stochastic differential equations
Statistical modeling of diabetic neuropathy: Exploring the dynamics of nerve mortality
Guided sequential ABC schemes for intractable Bayesian models
Scalable and flexible inference framework for stochastic dynamic single-cell models
Sequential Neural Posterior and Likelihood Approximation
Accelerating delayed-acceptance Markov chain Monte Carlo algorithms
Ladda ner publikationslistor
Du kan ladda ner denna lista till din dator.
Filtrera och ladda ner publikationslista
Som inloggad användare hittar du ytterligare funktioner i MyResearch.
Du kan även exportera direkt till Zotero eller Mendeley genom webbläsarplugins. Dessa hittar du här:
Zotero Connector
Mendeley Web Importer
Tjänsten SwePub erbjuder uttag av Researchs listor i andra format, till exempel kan du få uttag av publikationer enligt Harvard och Oxford i .RIS, BibTex och RefWorks-format.
Visar 2 forskningsprojekt
Djupinlärning och likelihood-fri Bayesiansk inferens för stokastiska modeller
Statistisk inferensteori och stokastisk modellering av proteinveckning