斯里尼瓦·埃斯瓦尔;维什瓦斯·拉奥;阿文德·塞巴巴。 基于列子集选择的贝叶斯D-最优实验设计。 arXiv:240.2.16000 预印本,arXiv:240.2.16000[math.NA](2024)。 小结:本文使用D-最优性准则解决了贝叶斯线性逆问题的传感器优化布置问题,这是更一般的最优实验设计(OED)问题的流行版本。这是通过在传感器布置和列子集选择问题(CSSP)之间建立联系来实现的,这是数值线性代数(NLA)中研究得很好的问题。特别是,我们使用了Golub-Klema-Stewart(GKS)方法,该方法涉及计算截断奇异值分解(SVD),然后在右奇异向量上进行枢轴QR分解。通过使用随机化计算低秩近似值以及对指数进行采样,进一步加快了算法的速度。由此产生的算法健壮、计算效率高、易于并行化,几乎不需要参数调整,并且具有强大的理论保证。其中一个提出的算法也是无伴随的,这在伴随评估昂贵或不可用的情况下是有益的。此外,我们开发了一种无需求解逆问题的数据补全方法。在涉及热方程和二维地震层析成像的模型反演问题上的数值实验证明了我们方法的性能。 MSC公司: 35兰特 PDE的反问题 62K05美元 最佳统计设计 68瓦20 随机算法 65立方厘米60 统计学中的计算问题(MSC2010) 2015年1月62日 贝叶斯推断 BibTeX公司 引用 \textit{S.Eswar}等人,“通过列子集选择的贝叶斯D-最优实验设计”,预打印,arXiv:2402.16000[math.NA](2024) 全文: arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误,请直接向arXiv报告.