文献

J-GLOBAL ID：201802281545085218   整理番号：18A1104719

Bayes逆問題のためのマルチレベル逐次2モンテカルロ法【JST・京大機械翻訳】

Multilevel Sequential² Monte Carlo for Bayesian inverse problems

著者 (3件)： Latz Jonas (Chair of Numerical Analysis, TU Muenchen, Boltzmannstr. 3, 85748 Garching b.M., Germany) ,  Papaioannou Iason (Engineering Risk Analysis Group, TU Muenchen, Theresienstr. 90, 80333 Muenchen, Germany) ,  Ullmann Elisabeth (Chair of Numerical Analysis, TU Muenchen, Boltzmannstr. 3, 85748 Garching b.M., Germany)
資料名： Journal of Computational Physics  (Journal of Computational Physics)
巻： 368  ページ： 154-178  発行年： 2018年 
JST資料番号： B0860A  ISSN： 0021-9991  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 雑音のある観測を用いた数学モデルにおけるパラメータの同定は,不確実性の定量化における一般的なタスクである。Bayes逆変換の枠組みを用いた。パラメータの事後分布を推定するために,監視と観測データを事前情報と組み合わせた。特に,楕円PDEの拡散係数の分布に関心を持つ。この設定において,サンプル空間は高次元であり,PDE解の各サンプルは高価である。これらの問題を扱うために,事後分布の近似のための新しい逐次モンテカルロ(SMC)サンプラーを提案し,解析した。古典的な単一レベルSMCは,事前分布から出発し,事後分布で仕上げる一連の測度を構築する。中間的測度は,尤度のテンパリング,あるいは等価的にノイズの再スケーリングから生じる。PDE離散化の分解能を固定した。対照的に,著者らの推定器は,計算コストを減少させるためにPDE離散化の階層を採用する。著者らは,温度を減少させることによって,または同時に離散化レベルを増加させることによって,中間的対策のシーケンスを構築した。このアイデアは,P.S.において提案された多重解像度サンプラーを構築し,一般化する。橋かけスキームを用いて,粗から微細な離散化レベルまで試料を移動させた。重要なことに,テンパリングとブリッジの間の選択は完全に適応可能である。二次元空間における数値実験を示し,単一レベルSMCと多重分解能サンプラーに対する推定器を比較した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 焼戻 ,  逆変換 ,  *逆問題 ,  分解能 ,  数学モデル ,  雑音 ,  測度 ,  *モンテカルロ法 ,  二次元
準シソーラス用語： 離散化 ,  尤度 ,  事前分布 ,  事前知識 ,  事後分布 , 【Automatic Indexing@JST】

著者キーワード (6件)： 不確実性定量化 ,  偏微分方程式 ,  有限要素法 ,  粒子フィルタ ,  逐次重要性サンプリング ,  焼戻

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 逆問題 ,  マルチレベル ,  逐次 ,  モンテカルロ法