Statistisk inferensteori och stokastisk modellering av proteinveckning
Forskningsprojekt, 2014 – 2019

Beskrivning saknas.

Deltagare

Umberto Picchini (kontakt)

Chalmers, Matematiska vetenskaper, Tillämpad matematik och statistik

Andra projekt Forskning

Finansiering

Vetenskapsrådet (VR)

Projekt-id: 2013-5167
Finansierar Chalmers deltagande under 2014–2019

Andra projekt Projektinformation

Publikationer

2024

Fast, accurate and lightweight sequential simulation-based inference using Gaussian locally linear mappings

Preprint

2023

Towards data-conditional simulation for ABC inference in stochastic differential equations

Preprint

2023

Guided sequential ABC schemes for intractable Bayesian models

Preprint

Mer information

Senast uppdaterat

2022-02-13

Om du har frågor, behöver hjälp, hittar en bugg eller vill ge feedback kan du göra det här nedan. Du når oss också direkt per e-post research.lib@chalmers.se.

Meddelande

Din e-postadress

Research.chalmers.se innehåller information om forskning på Chalmers, publikationer och projekt inklusive information om finansiärer och samarbetspartners.

Läs mer om tjänsten, täckningsgrad och vilka som kan se informationen

Personuppgifter och cookies

Tillgänglighet

Citation Style Language
citeproc-js (Frank Bennett)

Chalmers bibliotek

Chalmers forskning

Chalmers examensarbeten

412 96 GÖTEBORG
TELEFON: 031-772 10 00
WWW.CHALMERS.SE

Statistisk inferensteori och stokastisk modellering av proteinveckning Forskningsprojekt, 2014 – 2019

Deltagare

Umberto Picchini (kontakt)

Finansiering

Vetenskapsrådet (VR)

Publikationer

Fast, accurate and lightweight sequential simulation-based inference using Gaussian locally linear mappings

Towards data-conditional simulation for ABC inference in stochastic differential equations

Guided sequential ABC schemes for intractable Bayesian models

Mer information

Senast uppdaterat

Statistisk inferensteori och stokastisk modellering av proteinveckning
Forskningsprojekt, 2014 – 2019