Umberto Picchini

Universitetslektor vid Tillämpad matematik och statistik

I am Associate Professor in Mathematical Statistics at the Department of Mathematical Sciences, Gothenburg University and Chalmers University of Technology. My research is mainly devoted to statistical inference for dynamical systems and stochastic processes, especially stochastic differential equations (SDEs). Applied work focuses on stochastic mathematical modelling of biomedical issues. My research topics are: Monte Carlo methods in Statistics, Bayesian inference, approximate Bayesian computation (ABC); methods for intractable likelihoods; inference for hierarchical (mixed-effects) models defined by SDEs.

Källa: orcid.org
Image of Umberto Picchini

Visar 7 publikationer

2022

Sequentially Guided MCMC Proposals for Synthetic Likelihoods and Correlated Synthetic Likelihoods

Umberto Picchini, Umberto Simola, Jukka Corander
Bayesian Analysis
Artikel i vetenskaplig tidskrift
2022

Scalable and flexible inference framework for stochastic dynamic single-cell models

Sebastian Persson, Niek Welkenhuysen, Sviatlana Shashkova et al
PLoS Computational Biology
Artikel i vetenskaplig tidskrift
2021

Efficient inference for stochastic differential equation mixed-effects models using correlated particle pseudo-marginal algorithms

Samuel Wiqvist, Andrew Golightly, Ashleigh T. McLean et al
Computational Statistics and Data Analysis. Vol. 157
Artikel i vetenskaplig tidskrift
2021

Sequential Neural Posterior and Likelihood Approximation

Samuel Wiqvist, Jes Frellsen, Umberto Picchini
Preprint
2019

Bayesian inference for stochastic differential equation mixed effects models of a tumor xenography study

Umberto Picchini, Julie Lyng Forman
Journal of the Royal Statistical Society. Series C: Applied Statistics. Vol. 68 (4), p. 887-913
Artikel i vetenskaplig tidskrift
2019

Partially exchangeable networks and architectures for learning summary statistics in approximate Bayesian computation

Samuel Wiqvist, Pierre Alexandre Mattei, Umberto Picchini et al
36th International Conference on Machine Learning, ICML 2019. Vol. 2019-June, p. 11795-11804
Paper i proceeding
2019

Accelerating delayed-acceptance Markov chain Monte Carlo algorithms

Umberto Picchini, Samuel Wiqvist, Julie Lyng Forman et al
Preprint

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

2020–2024

Djupinlärning och likelihood-fri Bayesiansk inferens för stokastiska modeller

Umberto Picchini Tillämpad matematik och statistik
Petar Jovanovski Tillämpad matematik och statistik
Vetenskapsrådet (VR)
Chalmers AI-forskningscentrum (CHAIR)

2014–2019

Statistisk inferensteori och stokastisk modellering av proteinveckning

Umberto Picchini Tillämpad matematik och statistik
Vetenskapsrådet (VR)

Det kan finnas fler projekt där Umberto Picchini medverkar, men du måste vara inloggad som anställd på Chalmers för att kunna se dem.