文献

J-GLOBAL ID：202202277662781009   整理番号：22A1054924

Bayes反転のためのCauchyMarkov確率場事前【JST・京大機械翻訳】

Cauchy Markov random field priors for Bayesian inversion

著者 (3件)： Suuronen Jarkko (School of Engineering Science, Lappeenranta-Lahti University of Technology, Lappeenranta, Finland) ,  Chada Neil K. (Applied Mathematics and Computational Science Program, King Abdullah University of Science and Technology, Thuwal, Kingdom of Saudi Arabia) ,  Roininen Lassi (School of Engineering Science, Lappeenranta-Lahti University of Technology, Lappeenranta, Finland)
資料名： Statistics and Computing  (Statistics and Computing)
巻： 32  号： 2  ページ： 33  発行年： 2022年 
JST資料番号： W4969A  ISSN： 0960-3174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 統計的逆問題におけるCauchy Markov確率場の使用は,非Gauss,高次元,マルチモーダルおよび重尾である事後分布を導く可能性がある。そのような先物をうまく利用するために,洗練された最適化とMarkov連鎖モンテカルロ法が通常必要である。本論文では,最近開発したCauchy差異のレビューについて,興味深い新しい変異体を導入し,一方,比較を提供する。最初に,一次元二次Cauchy差分を提案し,新しい一次および二次元等方性Cauchy差分を構築した。もう一つの新しいCauchyは,Matern型Gauss表現から導かれる確率的偏微分方程式アプローチに基づいている。比較もCauchyシートを含む。数値計算は,最大事後と条件付き平均推定の両方に基づいている。ハミルトニアンモンテカルロのメトロポリス-イン-ギブス,反発-牽引メトロポリス,およびNo-U-Turnサンプラ変異体のような最先端のMCMC方法論を利用した。一次元および二次元デコンボリューション問題に対して構築したモデルと方法を実証した。潜在的スケール低減因子を含むすべてのテストケースに対して,サラブMCMC統計を提供した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ハミルトニアン ,  モンテカルロ法 ,  *確率 ,  最適化 ,  数値計算 ,  偏微分方程式 ,  確率分布 ,  大都市 ,  デコンボリューション ,  モデル ,  逆問題 ,  二次元 ,  一次元 ,  多モード
準シソーラス用語： *確率場 ,  事後分布 , 【Automatic Indexing@JST】

著者キーワード (6件)： Cauchy事前 ,  Markovモデル ,  逆問題 ,  Bayesアプローチ ,  大都市アルゴリズム ,  HMC-NUTS

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 反転 ,  確率場