Matti Vihola

Yleiskuvaus

Aktiiviset JYU-affiliaatiot

Aiemmat, ei-aktiiviset tai muut työsuhteet

Tutkimuskuvaus

Monte Carlo -menetelmät, Bayes-päättely, stokastinen approksimaatio ja stokastisest optimointimenetelmät

Tieteenalat

Seurantakohteet

Hankkeet, joissa vastuullinen johtaja

Julkaisut ja muut tuotokset

  

  

  

1/3

  

  

  

• Conditional particle filters with bridge backward sampling (2023) Karppinen, Santeri; et al.; A1; OA 
• Hierarchical log Gaussian Cox process for regeneration in uneven-aged forests (2022) Kuronen, Mikko; et al.; A1; OA;  
• Identifying territories using presence-only citizen science data : An application to the Finnish wolf population (2022) Karppinen, Santeri; et al.; A1; OA 
• On resampling schemes for particle filters with weakly informative observations (2022) Chopin, Nicolas; et al.; A1; OA 
• bssm: Bayesian Inference of Non-linear and Non-Gaussian State Space Models in R (2021) Helske, Jouni; et al.; A1; OA 
• Conditional particle filters with diffuse initial distributions (2021) Karppinen, Santeri; et al.; A1; OA
• Unbiased Inference for Discretely Observed Hidden Markov Model Diffusions (2021) Chada, Neil K.; et al.; A1; OA
• AdaptiveMCMC.jl (2020) Vihola, Matti; I2; OA 
• AdaptiveParticleMCMC.jl (2020) Vihola, Matti; I2; OA 
• AdaptiveToleranceABC_MCMC.jl (2020) Vihola, Matti; I2; OA 
• Coupled conditional backward sampling particle filter (2020) Lee, Anthony; et al.; A1; OA
• Ergonomic and Reliable Bayesian Inference with Adaptive Markov Chain Monte Carlo (2020) Vihola, Matti; A3; 978-1-118-44511-2
• grapham (2020) Vihola, Matti; I2; OA 
• Importance sampling correction versus standard averages of reversible MCMCs in terms of the asymptotic variance (2020) Franks, Jordan; et al.; A1; OA
• Importance sampling type estimators based on approximate marginal Markov chain Monte Carlo (2020) Vihola, Matti; et al.; A1; OA

Tutkimusaineiston tekijä