Data-driven forward discretizations for Bayesian inversion
Data-driven forward discretizations for Bayesian inversion
复制标题
贝叶斯反演的数据驱动前向离散化
DOI：
10.1088/1361-6420/abb2fa
复制
发表时间：
2020
期刊：
影响因子：
2.1
通讯作者：
Sanz-Alonso, D
中科院分区：
文献类型：
--
作者：
Bigoni, D;Chen, Y;Trillos, N Garcia;Marzouk, Y;Sanz-Alonso, D
本文提出了一个框架，学习昂贵的前向模型的离散化贝叶斯逆问题。其主要思想是将离散化的参数作为贝叶斯机器中待估计的未知数的一部分。我们数值计算表明，在机械工程，信号处理和地球科学中出现的各种反问题，观测包含有用的信息，以指导离散化的选择。
This paper suggests a framework for the learning of discretizations of expensive forward models in Bayesian inverse problems. The main idea is to incorporate the parameters governing the discretization as part of the unknown to be estimated within the Bayesian machinery. We numerically show that in a variety of inverse problems arising in mechanical engineering, signal processing and the geosciences, the observations contain useful information to guide the choice of discretization.
登录
查看更多内容
DOI：
10.1137/19m1295222
发表时间：
2019-10
期刊：
ArXiv
影响因子：
--
作者：
J. Harlim;D. Sanz-Alonso;Ruiyi Yang
通讯作者：
J. Harlim;D. Sanz-Alonso;Ruiyi Yang
影响因子：
4
作者：
Du, Q;Gunzburger, M
通讯作者：
Gunzburger, M
影响因子：
3
作者：
Katsiaryna Krupchyk;W. Seiler;J. Tuomela
通讯作者：
J. Tuomela
使用伴随词进行面向目标推理的模型适应性
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
Harriet Li;V. Garg;K. Willcox
通讯作者：
K. Willcox
DOI：
10.1002/9780470685853
发表时间：
1994
期刊：
--
影响因子：
--
作者：
L. Biegler;G. Biros;O. Ghattas;M. Heinkenschloss;D. Keyes;B. Mallick;Y. Marzouk;L. Tenorio;B. V. B. Waanders-B.-V.-B.-Waanders-1863062;K. Willcox
通讯作者：
L. Biegler;G. Biros;O. Ghattas;M. Heinkenschloss;D. Keyes;B. Mallick;Y. Marzouk;L. Tenorio;B. V. B. Waanders-B.-V.-B.-Waanders-1863062;K. Willcox