Het schatten van kansdichtheden met neurale netwerken

In dit proefschrift worden methoden ontwikkeld voor het analyseren van data die zich niet laten beschrijven door een parametrische kansverdeling. Een fundamentele bijdrage van deze dissertatie is het op een non-parametrische maner schatten van de kansverdeling van deze dataprocessen met neurale netwerken. Daarnaast worden nieuwe filtermethoden ontwikkeld voor het analyseren van tijdreeksen. De methoden worden toegepast op verkeerslusdata.

Peerlings, D. E. W. (2024). Density estimation by neural networks: With applications to non-Gaussian distributions in time series analysis. Dissertation, Maastricht University, doi:10.26481/dis.20241111dp