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...

Bibliografiset tiedot
Päätekijät:	Augustin, D, Lambert, B, Wang, K, Walz, A-C, Robinson, M, Gavaghan, D
Aineistotyyppi:	Journal article
Kieli:	English
Julkaistu:	Public Library of Science 2023

Samankaltaisia teoksia

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

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

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

Scalable inference in state-space models
Tekijä: Middleton, L
Julkaistu: (2019)

Bayesian inference for biological time series
Tekijä: Creswell, R
Julkaistu: (2023)

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

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

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

Inferring structure in neural time series data: dynamics and connectivity
Tekijä: Suryadi
Julkaistu: (2023)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Economic Data as Snapshots in Time
Tekijä: Katrina Stierholz
Julkaistu: (2006-05-01)

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

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

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

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

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

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

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

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

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

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

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

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