Filter inference: a scalable nonlinear mixed effects inference approach for snapshot time series data

Filter inference: a scalable nonlinear mixed effects inference approach for snapshot time series data

Variability is an intrinsic property of biological systems and is often at the heart of their complex behaviour. Examples range from cell-to-cell variability in cell signalling pathways to variability in the response to treatment across patients. A popular approach to model and understand this varia...

Ausführliche Beschreibung

Bibliographische Detailangaben
Hauptverfasser:	Augustin, D, Lambert, B, Wang, K, Walz, A-C, Robinson, M, Gavaghan, D
Format:	Journal article
Sprache:	English
Veröffentlicht:	Public Library of Science 2023

Ähnliche Einträge

Bayesian time series models and scalable inference
von: Johnson, Matthew James, Ph. D. Massachusetts Institute of Technology
Veröffentlicht: (2014)

Probabilistic inference on noisy time series (PINTS)
von: Clerx, M, et al.
Veröffentlicht: (2019)

Scalable online nonlinear goal-oriented inference with physics-informed maps
von: Li, Harriet.
Veröffentlicht: (2019)

Scalable inference in state-space models
von: Middleton, L
Veröffentlicht: (2019)

Bayesian inference for biological time series
von: Creswell, R
Veröffentlicht: (2023)

Time series : modeling, computation, and inference /
von: 518357 Prado, Raquel, et al.
Veröffentlicht: (c201)

Statistical inference of one-dimensional persistent nonlinear time series and application to predictions
von: Johannes A. Kassel, et al.
Veröffentlicht: (2022-03-01)

A scalable variational inference approach for increased mixed-model association power
von: Loya, H, et al.
Veröffentlicht: (2025)

Inferring structure in neural time series data: dynamics and connectivity
von: Suryadi
Veröffentlicht: (2023)

Overview of observational data-based time series causal inference
von: Zefan ZENG, et al.
Veröffentlicht: (2023-07-01)

Scalable cascade inference for semantic image segmentation
von: Sturgess, P, et al.
Veröffentlicht: (2012)

Scalable Gaussian process inference with finite-data mean and variance guarantees
von: Huggins, Jonathan H., et al.
Veröffentlicht: (2020)

Scalable Structure Learning, Inference, and Analysis with Probabilistic Programs
von: Saad, Feras Ahmad Khaled
Veröffentlicht: (2023)

Scalable approaches to inference and analysis of genome-wide genealogies
von: Gunnarsson, ÁF
Veröffentlicht: (2023)

Automated Scalable Bayesian Inference via Hilbert Coresets
von: Campbell, Trevor David, et al.
Veröffentlicht: (2021)

Scalable inference and private co-training for Gaussian processes
von: Thomas, O
Veröffentlicht: (2017)

Scalable Inference of Customer Similarities from Interactions Data Using Dirichlet Processes
von: Braun, Michael, et al.
Veröffentlicht: (2012)

Applications of time-series generative models and inference techniques
von: Teng, M
Veröffentlicht: (2022)

Posterior Inference for Structural Parameters Using Cross Section and Time Series Data
von: Kaufman, Gordon M.
Veröffentlicht: (2004)

Inference Plans for Hybrid Particle Filtering
von: Cheng, Ellie, et al.
Veröffentlicht: (2025)

Bayes versus the virial theorem: inferring the potential of a galaxy from a kinematical snapshot
von: Magorrian, J
Veröffentlicht: (2014)

A snapshot of the climate in the Middle Pleistocene inferred from a stalagmite from central Japan
von: Masataka Sakai, et al.
Veröffentlicht: (2024-09-01)

Understanding the impact of numerical solvers on inference for differential equation models
von: Creswell, R, et al.
Veröffentlicht: (2024)

Scalable Full Posterior Inference for Uncertainty-Aware Robot Perception
von: Huang, Qiangqiang
Veröffentlicht: (2023)

Scalable Metropolis-Hastings for exact Bayesian inference with large datasets
von: Cornish, R, et al.
Veröffentlicht: (2019)

A Monte Carlo method to estimate cell population heterogeneity from cell snapshot data
von: Lambert, B, et al.
Veröffentlicht: (2020)

Hierarchical Bayesian inference for ion channel screening dose-response data
von: Johnstone, R, et al.
Veröffentlicht: (2016)

Economic Data as Snapshots in Time
von: Katrina Stierholz
Veröffentlicht: (2006-05-01)

Regularized S‐map for inference and forecasting with noisy ecological time series
von: Cenci, Simone, et al.
Veröffentlicht: (2022)

Causal inference with time-series cross-sectional data : with applications to positive political economy
von: Xu, Yiqing, 1984-
Veröffentlicht: (2016)

Stochastic models allow improved inference of microbiome interactions from time series data.
von: Román Zapién-Campos, et al.
Veröffentlicht: (2024-11-01)

Time Series Forecasting with Missing Data Using Generative Adversarial Networks and Bayesian Inference
von: Xiaoou Li
Veröffentlicht: (2024-04-01)

Inferring coalescence times from DNA sequence data.
von: Tavaré, S, et al.
Veröffentlicht: (1997)

Thermodynamic inference of data manifolds
von: Purushottam D. Dixit
Veröffentlicht: (2020-05-01)

Unsupervised part of speech inference with particle filters
von: Dubbin, G, et al.
Veröffentlicht: (2012)

Practical Methods for Scalable Bayesian and Causal Inference with Provable Quality Guarantees
von: Agrawal, Raj
Veröffentlicht: (2022)

A Scalable Inference Pipeline for 3D Axon Tracing Algorithms
von: Fenelon, Benjamin, et al.
Veröffentlicht: (2024)

Scalable Bayesian inference for the inverse temperature of a hidden Potts model
von: Moores, M, et al.
Veröffentlicht: (2018)

Regression-based inference in linear time series models with incomplete dynamics
von: Wooldridge, Jeffrey M.
Veröffentlicht: (2011)

Combined spatial and non-spatial prior for inference on MRI time-series.
von: Groves, A, et al.
Veröffentlicht: (2009)