論文の概要: Gaussian processes for Bayesian inverse problems associated with linear
partial differential equations
- arxiv url: http://arxiv.org/abs/2307.08343v1
- Date: Mon, 17 Jul 2023 09:31:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 14:03:12.579439
- Title: Gaussian processes for Bayesian inverse problems associated with linear
partial differential equations
- Title(参考訳): 線形偏微分方程式に付随するベイズ逆問題に対するガウス過程
- Authors: Tianming Bai, Aretha L. Teckentrup, Konstantinos C. Zygalakis
- Abstract要約: この研究は、線型偏微分方程式に関連する逆問題に対するガウス代理モデルの使用に関係している。
ガウス的事前使用のタイプは、ベイズ的逆転の観点でシュロゲートモデルがいかにうまく機能するかという点において重要な意味を持つ。
多くの異なる実験は、より伝統的な先行よりも PDE で表されたガウス以前の優位性を示している。
- 参考スコア(独自算出の注目度): 0.8379286663107844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work is concerned with the use of Gaussian surrogate models for Bayesian
inverse problems associated with linear partial differential equations. A
particular focus is on the regime where only a small amount of training data is
available. In this regime the type of Gaussian prior used is of critical
importance with respect to how well the surrogate model will perform in terms
of Bayesian inversion. We extend the framework of Raissi et. al. (2017) to
construct PDE-informed Gaussian priors that we then use to construct different
approximate posteriors. A number of different numerical experiments illustrate
the superiority of the PDE-informed Gaussian priors over more traditional
priors.
- Abstract(参考訳): この研究は、線型偏微分方程式に関連するベイズ逆問題に対するガウス代用モデルの使用に関するものである。
特に注目されているのは、少量のトレーニングデータしか利用できない体制だ。
この体制において、ガウス的事前使用のタイプは、ベイズ的逆転の観点で代理モデルがいかにうまく機能するかという点において重要である。
私たちはRaissiらのフレームワークを拡張します。
al. (2017) で PDE をインフォームドしたガウス事前の構成を行い、そこから異なる近似後続を構成する。
多くの異なる数値実験は、より伝統的な先行よりも PDE をインフォームドしたガウス以前の優位性を示している。
関連論文リスト
- MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction [72.70572835589158]
本稿では,軌道予測のための正規化フローモデルに対して,混合ガウス前駆体を構築することを提案する。
提案手法は,一般的な UCY/ETH および SDD データセットにおける軌道アライメントと多様性の評価において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2024-02-19T15:48:55Z) - Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。
この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
論文 参考訳(メタデータ) (2024-02-03T13:35:39Z) - GibbsDDRM: A Partially Collapsed Gibbs Sampler for Solving Blind Inverse
Problems with Denoising Diffusion Restoration [64.8770356696056]
本稿では,DDRM(Denoising Diffusion Restoration Models)の拡張であるGibbsDDRMを提案する。
提案手法は問題に依存しないため,様々な逆問題に対して事前学習した拡散モデルを適用することができる。
論文 参考訳(メタデータ) (2023-01-30T06:27:48Z) - Gaussian Processes and Statistical Decision-making in Non-Euclidean
Spaces [96.53463532832939]
我々はガウス過程の適用性を高める技術を開発した。
この観点から構築した効率的な近似を幅広く導入する。
非ユークリッド空間上のガウス過程モデルの集合を開発する。
論文 参考訳(メタデータ) (2022-02-22T01:42:57Z) - The Schr\"odinger Bridge between Gaussian Measures has a Closed Form [101.79851806388699]
我々は OT の動的定式化(Schr"odinger bridge (SB) 問題)に焦点を当てる。
本稿では,ガウス測度間のSBに対する閉形式表現について述べる。
論文 参考訳(メタデータ) (2022-02-11T15:59:01Z) - A Variational Inference Approach to Inverse Problems with Gamma
Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。
提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文 参考訳(メタデータ) (2021-11-26T06:33:29Z) - Bayesian inference of ODEs with Gaussian processes [17.138448665454373]
本稿では、ガウス過程を用いて未知のODEシステムの後部をデータから直接推測する新しいベイズ非パラメトリックモデルを提案する。
ベクトル場後部を表すために,分離された関数型サンプリングを用いてスパース変分推論を導出する。
この手法はベクトル場後部演算の利点を示し、予測不確実性スコアは複数のODE学習タスクにおける代替手法よりも優れている。
論文 参考訳(メタデータ) (2021-06-21T08:09:17Z) - Connecting Hamilton--Jacobi partial differential equations with maximum
a posteriori and posterior mean estimators for some non-convex priors [0.0]
本章では、あるクラス非log-concave正規化を考え、その最小化に対する類似表現公式も得られることを示す。
また、ガウスデータ忠実度を持つベイズ後平均推定器と、マイナスプラス代数技術のアナログを用いてある非対数先行値に対する同様の結果を提示する。
論文 参考訳(メタデータ) (2021-04-22T19:00:37Z) - Mixtures of Gaussian Processes for regression under multiple prior
distributions [0.0]
ガウス過程回帰のための混合モデルの概念を拡張し、複数の先行する信念を同時に扱う。
本手法は,関数回帰問題における先行的誤特定の問題を考慮に入れたものである。
論文 参考訳(メタデータ) (2021-04-19T10:19:14Z) - Variational Autoencoders with Riemannian Brownian Motion Priors [4.8461049669050915]
変分オートエンコーダ(VAEs)は、一般にユークリッドであると仮定される低次元の潜在空間における与えられたデータを表す。
最近の研究は、この前はモデルキャパシティに有害な影響があり、性能が劣ることを示している。
本稿では、この前の未知の正規化因子に依存しない効率的な推論手法を提案する。
論文 参考訳(メタデータ) (2020-02-12T20:35:21Z) - Linearly Constrained Gaussian Processes with Boundary Conditions [5.33024001730262]
線形偏微分方程式系からの事前知識とその境界条件について考察する。
我々はそのようなシステムの解集合において実現された多出力ガウス過程の先行性を構築する。
論文 参考訳(メタデータ) (2020-02-03T15:19:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。