Explore l'analyse de l'incertitude dans l'évaluation du cycle de vie, couvrant la sensibilité, les fonctions de probabilité, l'estimation des paramètres, l'approche pédigree et la propagation de l'incertitude.
Introduit Robust-RRT, un planificateur pour la planification des mouvements sous l'incertitude dans les systèmes non linéaires, assurant que les familles de solutions sûres sont choisies.
Explore la régression linéaire probabiliste et la régression de processus gaussien, en mettant l'accent sur la sélection du noyau et l'ajustement hyperparamétrique pour des prédictions précises.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Explore la somme des polynômes carrés et la programmation semi-définie dans l'optimisation polynomiale, permettant l'approximation des polynômes non convexes avec SDP convexe.
Explore la paramétrisation des processus atmosphériques, y compris la microphysique, la turbulence, le rayonnement, la convection et les processus de surface, afin d'améliorer la précision des prévisions et de quantifier les incertitudes.
Explore la quantification de l'incertitude à l'aide des méthodes de Quasi Monte Carlo et des mesures des écarts pour l'approximation intégrale et l'estimation du volume.
Explore l'impact de la détection de particules sur les systèmes quantiques, y compris les résultats énergétiques, le comportement de la fonction d'onde et l'approximation de l'état propre.
