亚历山德林 由偏微分方程控制的无限维贝叶斯反问题的最优实验设计:综述。 (英语) 兹比尔1461.62129 反向探测。 37,第4号,文章ID 043001,31 p.(2021). 摘要:本文综述了由无穷维参数偏微分方程控制的贝叶斯反问题的最优实验设计方法。重点是如何优化测量点的位置,从而将估计参数的不确定性降至最低。在此背景下,我们介绍了OED的数学基础,并调查了所研究的OED问题的计算方法。我们还概述了该领域未来研究的一些方向。 引用于9文件 MSC公司: 62K05美元 最佳统计设计 2015年1月62日 贝叶斯推断 46N10号 函数分析在优化、凸分析、数学规划、经济学中的应用 35问题62 与统计相关的PDE 62-08 统计问题的计算方法 关键词:最佳实验设计;反问题;希尔伯特空间中的贝叶斯推理;传感器布置 软件:虚拟专用局域网 PDF格式BibTeX公司 XML格式引用 \textit{A.Alexanderian},逆问题。37,第4号,文章编号043001,31 p.(2021;Zbl 1461.62129) 全文: 内政部 arXiv公司 参考文献: [1] Agapiou S、Larsson S和Stuart A M 2013线性病态逆问题Stoch的Bayesian方法的后验收缩率。过程。申请123 3828-60·Zbl 1284.62289号 ·doi:10.1016/j.spa.2013.05.001 [2] Alexanderian A、Glor P J和Ghattas O 2016关于无限维贝叶斯A和D最优实验设计贝叶斯分析。11671-95·Zbl 1359.62315号 ·doi:10.1214/15-ba969 [3] Alexanderian A,Petra N,Stadler G和Ghattas O 2014 A-正则化Ly 0-稀疏化SIAM J.Sci无穷维贝叶斯线性逆问题的实验优化设计。计算36 A2122-48·Zbl 1314.62163号 ·doi:10.1137/130933381 [4] Alexanderian A、Petra N、Stadler G和Ghattas O 2016无限维贝叶斯非线性反问题实验的快速可扩展A-最优设计方法SIAM J.Sci。计算38 A243-72·Zbl 06536072号 ·数字对象标识代码:10.1137/140992564 [5] Alexanderian A、Petra N、Stadler G和Sunseri I 2021可简化模型不确定性下大规模贝叶斯线性逆问题的优化设计:很好知道你不知道的SIAM/ASA J.不确定性。量化9 163-84·Zbl 1460.62120号 ·doi:10.137/20m1347292 [6] Alexanderian A和Saibaba A 2018无限维贝叶斯线性逆问题SIAM J.Sci实验的高效D-最优设计。计算40 A2956-85·Zbl 1401.62123号 ·数字对象标识码:10.1137/17m115712x [7] Atkinson A C 1996最佳实验设计的实用性J.R.Stat.Soc.B 58 59-76·Zbl 0850.62602号 ·doi:10.1111/j.2517-6161.1996.tb02067.x [8] Atkinson A C和Donev A N 1992最佳实验设计(牛津:牛津大学出版社)·Zbl 0829.62070号 [9] Attia A、Alexanderian A和Saibaba A K 2018大型贝叶斯线性逆问题逆问题34 895009的面向目标的实验优化设计·Zbl 1475.65037号 ·doi:10.1088/1361-6420/aad210 [10] Avron H和Toledo S 2011隐式对称半正定矩阵迹估计的随机算法J.ACM58 17·Zbl 1327.68331号 ·doi:10.1145/1944345.1944349 [11] Bandara S、Schlöder J P、Eils R、Bock H G和Meyer T 2009细胞信号模型PLoS-Comput参数估计的最佳实验设计。生物5 e1000558·doi:10.1371/journal.pcbi.1000558 [12] Bardsley J M,Cui T,Marzouk Y M和Wang Z 2020功能空间SIAM J.Sci上基于可扩展优化的采样。计算42 A1317-47·Zbl 1471.62023号 ·doi:10.1137/19m1245220 [13] Bauer I、Bock H G、Körkel S和Schlöder J P 2000 DAE系统优化实验设计的数值方法J.Compute。申请。数学120 1-25·兹比尔0998.65083 ·doi:10.1016/s0377-0427(00)00300-9 [14] Beck J、Dia B M、Espath L F、Long Q和Tempone R 2018快速贝叶斯实验设计:预期信息增益计算的基于Laplace的重要性抽样。方法应用。机械。工程334 523-53·Zbl 1440.62293号 ·doi:10.1016/j.cma.20128.01.053 [15] Beskos A、Girolma M、Lan S、Farrell P E和Stuart A M 2017无限维反问题几何MCMC J.计算。物理335 327-51·Zbl 1375.35627号 ·doi:10.1016/j.jcp.2016.12.041 [16] Beskos A、Pinski F J、Sanz-Serna J M和Stuart A M 2011 Hilbert空间Stoch上的混合蒙特卡罗。过程。申请121 2201-30·Zbl 1235.60091号 ·doi:10.1016/j.spa.2011.06.003 [17] Bock H G、Körkel S和Schlöder J P 2013微分方程模型的参数估计和最佳实验设计基于模型的参数估算·兹比尔1269.65014 ·doi:10.1007/978-3-642-30367-8_1 [18] Bogachev V I 1998高斯度量(数学调查和专著)(普罗维登斯,RI:美国数学学会)·Zbl 0913.60035号 ·doi:10.1090/surv/062 [19] Boyd S和Vandenberghe L 2004凸优化(剑桥:剑桥大学出版社)·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441 [20] Brauer F、Castillo-Chavez C和Feng Z 2019流行病学数学模型(柏林:Springer)·Zbl 1433.92001年 ·doi:10.1007/978-1-4939-9828-9 [21] Bui-Thanh T、Ghattas O、Martin J和Stadler G 2013无限维贝叶斯反演问题的计算框架第一部分:线性化情况,应用于全球地震反演SIAM J.Sci。计算35 A2494-523·Zbl 1287.35087号 ·数字对象标识码:10.1137/12089586x [22] Bui-Thanh T和Nguyen Q P 2016基于FEM的离散化变MCMC方法用于PDE约束贝叶斯反问题反问题成像10 943·Zbl 1348.65013号 ·doi:10.3934/ipi.2016028 [23] Butler T、Jakeman J和Wildey T 2018结合前推测度和Bayes规则,构建随机逆问题的一致解SIAM J.Sci。计算40 A984-A1011·Zbl 1390.60255号 ·doi:10.1137/16m1087229 [24] Butler T、Jakeman J和Wildey T 2020基于前推概率测度J计算的预测优化实验设计。物理416 109518·Zbl 1437.62297号 ·doi:10.1016/j.jcp.2020.109518 [25] Castro P和De los Reyes J C 2020变分数据同化中最优观测位置的双层学习方法反问题36 035020·Zbl 1473.35608号 ·doi:10.1088/1361-6420/ab4bfa [26] Chaloner K和Verdinelli I 1995贝叶斯实验设计:综述Stat.Sci.10 273-304·Zbl 0617.60015号 ·doi:10.1214秒/117709939 [27] Chamon L和Ribeiro A 2017实验设计arXiv的近似超模界限:1711.01501 [28] Chung M和Haber E 2012生物系统实验设计SIAM J.Control Optim.50 471-89·Zbl 1243.93130号 ·数字对象标识代码:10.1137/100791063 [29] 克莱德·M·A 2001实验设计:贝叶斯视角国际社会和行为科学百科全书5075-81版,N·J·斯迈尔斯和P·B·贝尔茨·doi:10.1016/b0-08-043076-7/00421-6 [30] Conway J B 2000算子理论课程(普罗维登斯,RI:美国数学学会)·Zbl 0936.47001号 [31] Cotter S L、Roberts G O、Stuart A M和White D 2013函数MCMC方法:修改旧算法使其更快统计科学28 424-46·Zbl 1331.62132号 ·doi:10.1214/13-sts421 [32] Cui T,Law K J H和Marzouk Y M 2016维度独立可能性告知MCMC J.Comput。物理304 109-37·Zbl 1349.65009号 ·doi:10.1016/j.jcp.2015.10.008 [33] Da Prato G 2006无限维分析简介(柏林:施普林格出版社)·兹比尔1109.46001 ·数字对象标识代码:10.1007/3-540-29021-4 [34] Da Prato G和Zabczyk J 2002 Hilbert空间中的二阶偏微分方程(剑桥:剑桥大学出版社)·Zbl 1012.35001号 ·doi:10.1017/CBO9780511543210 [35] Da Prato G和Zabczyk J 2014无限维随机方程第152卷(剑桥:剑桥大学出版社)·Zbl 1317.60077号 ·doi:10.1017/CBO9781107295513 [36] Dashti M、Harris S和Stuart A 2012贝叶斯反问题反问题成像的贝索夫先验·Zbl 1243.62032号 ·doi:10.3934/ipi.2012.6.183 [37] Dashti M、Law K J、Stuart A M和Voss J 2013 MAP估计量及其在贝叶斯非参数反问题中的一致性反问题29 095017·Zbl 1281.62089号 ·doi:10.1088/0266-5611/29/9/095017 [38] Dashti M和Stuart A M 2017反问题贝叶斯方法不确定性量化手册R Ghanem、D Higdon和H Owhadi(柏林:Springer)·doi:10.1007/978-3-319-12385-17 [39] Djikpasse H A、Khodja M R、Prange M D、Duchenne S和Menkiti H 2012贝叶斯勘测设计,以优化波形反演地球物理的分辨率77 R81-93·doi:10.1190/geo2011-0143.1 [40] Einsiedler M和Ward T 2017函数分析、谱理论和应用(数学研究生教材第276卷)(柏林:Springer)·Zbl 1387.46001号 ·doi:10.1007/978-3-319-58540-6 [41] Engl H W、Hanke M和Neubauer A 1996反问题的正则化(柏林:Springer)·兹比尔0859.65054 ·doi:10.1007/978-94-009-1740-8 [42] Etling T和Herzog R 2018线性弹性试样形状优化的最佳实验设计SIAM J.Appl。数学78 1553-76·Zbl 1394.35579号 ·数字对象标识代码:10.1137/17m1147743 [43] Fedorov V V和Leonov S L 2013非线性响应模型的优化设计(佛罗里达州博卡拉顿:CRC出版社)·Zbl 1373.62001年 ·doi:10.1201/b15054 [44] Feng C和Marzouk Y M 2019聚焦最优贝叶斯实验设计的分层多重要性抽样方案(arXiv:1903.11187) [45] Fitzpatrick B G 1991反问题中的贝叶斯分析反问题7 675·Zbl 0743.35084号 ·doi:10.1088/0266-5611/7/003 [46] Franklin J N 1970不适定线性问题的适定随机扩展J.Math。分析。申请31 682-716·Zbl 0198.20601号 ·doi:10.1016/0022-247x(70)90017-x [47] Haber E、Horesh L和Tenorio L 2008大型线性不适定反问题实验设计的数值方法反问题24 125-37·Zbl 1153.65062号 ·doi:10.1088/0266-5611/24/5/055012 [48] Haber E,Horesh L和Tenorio L 2010大型非线性离散不适定逆问题设计的数值方法逆问题26 025002·Zbl 1189.65073号 ·doi:10.1088/0266-5611/26/2/025002 [49] Haber E、Magnant Z、Lucero C和Tenorio L 2012不适定反问题稀疏约束A-最优设计的数值方法计算。最佳方案。申请52 293-314·Zbl 1259.90135号 ·doi:10.1007/s10589-011-9404-4 [50] Hairer M、Stuart A M和Vollmer S J 2014《大城市光谱间隙——无限维hastings算法Ann.Appl。大约24 2455-90·Zbl 1307.65002号 ·doi:10.1214/13-aap982 [51] Hannukainen A、Hyvönen N和PerkkiöL 2020确定铁损失分布的反向热源问题和实验设计(arXiv:2003.10395) [52] Helin T和Burger M 2015无限维贝叶斯反问题反问题31 085009中的最大后验概率估计·Zbl 1325.62058号 ·doi:10.1088/0266-5611/31/8/085009 [53] Herman E 2020复杂物理系统中反问题和降阶建模的设计北卡罗来纳州立大学博士论文 [54] Herman E、Alexanderian A和Saibaba A K 2020线性反问题A-最优设计的随机化和重加权У1-最小化SIAM J.Sci。计算42 A1714-40·Zbl 1442.62175号 ·doi:10.1137/19m1267362 [55] Herzog R、Riedel I和Uciñski D 2018大型动力系统联合参数和状态估计问题的最佳传感器布置,以及热机械优化应用。工程19 591-627·Zbl 1507.93226号 ·doi:10.1007/s11081-018-9391-8 [56] Hoang V H、Quek J H和Schwab C 2019年对数正态扩散贝叶斯反演多层MCMC-FEM分析p 2019 SAM研究报告 [57] Horesh L、Haber E和Tenorio L 2010阻抗成像大规模非线性适定问题的优化实验设计大尺度逆问题和不确定性量化(纽约:Wiley)pp 273-90 ch 13·doi:10.1002/9780470685853.ch13 [58] Huan X和Marzouk Y M 2013非线性系统基于仿真的最佳贝叶斯实验设计J.Compute。物理232 288-317·doi:10.1016/j.jcp.2012.08.013 [59] Huan X和Marzouk Y 2014贝叶斯实验设计中基于梯度的随机优化方法SIAM/ASA J.不确定性。量化4 479-510·Zbl 1497.62069号 ·doi:10.1615/int.j.癌症定量.2014006730 [60] Hutchinson M F 1990拉普拉斯光滑样条公理影响矩阵迹的随机估计。统计模拟。计算19 433-50·Zbl 0718.62058号 ·doi:10.1080/03610919008812866 [61] Hyvönen N、Seppänen A和Staboulis S 2014优化电阻抗断层成像中的电极位置SIAM J.Appl。数学74 1831-51·Zbl 1457.65168号 ·doi:10.1137/140966174 [62] Isaac T、Petra N、Stadler G和Ghattas O 2015可扩展且高效的算法,用于通过推理将数据中的不确定性传播到大规模问题的预测中,并应用于南极冰盖J计算。物理296 348-68·Zbl 1352.86017号 ·doi:10.1016/j.jcp.2015.04.047 [63] Jagalur-Mohan J和Marzouk Y 2020非子模块函数的批量贪婪最大化:实验设计的保证和应用(arXiv:2006.04554) [64] Kaipio J和Somersalo E 2006统计和计算反问题第160卷(柏林:Springer) [65] Kiefer J和Wolfowitz J 1959回归问题中的优化设计Ann.Math。统计数字30 271-94·Zbl 0090.11404号 ·doi:10.1214/aoms/1177706252 [66] Körkel S,Bauer I,Bock H G和Schlöder J 1999 DAE系统科学中非线性优化实验设计的序贯方法。计算。化学。工程II2 338-45 [67] Körkel S,Kostina E,Bock H G和Schlöder J P 2004非线性动态过程鲁棒优化实验设计中最优控制问题的数值方法Optim。方法软件.19 327-38·Zbl 1060.49025号 ·网址:10.1080/1055678041001683078 [68] Koval K,Alexanderian A和Stadler G 2020受PDEs逆问题支配的线性逆问题在不可约不确定性下的最优实验设计36 075007·Zbl 1443.62213号 ·doi:10.1088/1361-6420/ab89c5 [69] Krause A、Singh A和Guestrin C 2008高斯过程中的近最优传感器布置:理论、高效算法和实证研究J.Mach。学习。第9号决议第235-84段·Zbl 1225.68192号 [70] Kullback S和Leibler R A 1951关于信息和充分性Ann.Math。统计数字22 79-86·Zbl 0042.38403号 ·doi:10.1214/aoms/1177729694 [71] Lassas M、Saksman E、Saksam E和Siltanen S 2009离散化非变贝叶斯反演和Besov空间先验反演问题成像·Zbl 1191.62046号 ·doi:10.3934/ipi.2009.3.87 [72] Lassas M和Siltanen S 2004可以使用总变差先验进行保边贝叶斯反演吗?反问题20 1537-63·兹比尔1062.62260 ·doi:10.1088/0266-5611/20/5/013 [73] Lehtinen M S,Päivärinta L和Somersalo E 1989广义随机变量线性反问题反问题5 599-612·Zbl 0681.60015号 ·doi:10.1088/0266-5611/5/4/011 [74] Li F等人2019面向目标的最优贝叶斯实验设计的组合方法麻省理工学院硕士论文 [75] Liu S、Chepuri S P、Fardad M、Masazade E、Leus G和Varshney P K 2016使用相关测量噪声进行估算的传感器选择IEEE Trans。信号处理64 3509-22·Zbl 1414.94372号 ·doi:10.1109/tsp.2016.2550005 [76] Long Q、Motamed M和Tempone R 2015用于震源反演计算的快速贝叶斯优化实验设计。方法应用。机械。工程291 123-45·Zbl 1423.74006号 ·doi:10.1016/j.cma.2015.03.021 [77] Long Q、Scavino M、Tempone R和Wang S 2013基于拉普拉斯近似计算的贝叶斯实验设计预期信息增益的快速估计。方法应用。机械。工程259 24-39·Zbl 1286.62068号 ·doi:10.1016/j.cma.2013.02.017 [78] Mandelbaum 1984 Hilbert空间上的线性估计和可测线性变换Z.Wahrscheinlichkeits定理。韦旺特Geb.65 385-97·Zbl 0506.60004号 ·doi:10.1007/bf00533743 [79] McCormack K A等人2018年地震、地下水和地表变形:探索大推力地震的多孔弹性响应博士论文德克萨斯大学奥斯汀分校 [80] 米勒P 2005基于仿真的优化设计手册。统计25 509-18·doi:10.1016/s0169-7161(05)25017-4 [81] Müller W G 2007收集空间数据:随机场实验的优化设计(柏林:施普林格)·Zbl 1266.62048号 [82] Neitzel I,Pieper K,Vexler B和Walter D 2019 PDE约束参数估计问题中最优传感器布置的稀疏控制方法Numer。数学143 943-84·Zbl 1423.35452号 ·doi:10.1007/s00211-019-01073-3 [83] Nemhauser G L、Wolsey L A和Fisher M L 1978最大化子模集函数的近似分析-I数学。程序.14 265-94·Zbl 0374.90045号 ·doi:10.1007/bf01588971 [84] Pázman A 1986最佳实验设计基础·Zbl 0588.62117号 [85] Petra N、Martin J、Stadler G和Ghattas O 2014无限维贝叶斯反问题的计算框架,第二部分:随机牛顿MCMC及其在冰盖流动反问题中的应用SIAM J.Sci。计算36 A1525-55·兹比尔1303.35110 ·数字对象标识代码:10.1137/130934805 [86] Pinski F J、Simpson G、Stuart A M和Weber H 2015无限维空间上概率测度的Kullback-Leibler近似SIAM J.Math。分析47 4091-122·Zbl 1342.60049号 ·doi:10.137/140962802 [87] Prato G D和Zabczyk J 1992无限维随机方程(剑桥:剑桥大学出版社)·Zbl 1140.60034号 ·doi:10.1017/CBO9780511666223 [88] Prenter P M和Vogel C R 1985线性第一类积分方程的随机反演I.连续理论和随机广义逆J.数学。分析。申请106 202-18·Zbl 0602.60052号 ·doi:10.1016/0022-247x(85)90144-1 [89] Pronzato L和Pázmanj A 2013非线性模型实验设计。渐近正态性、最优性准则和小样本性质(柏林:施普林格)·Zbl 1275.62026号 [90] Pukelsheim F 1993最佳实验设计(纽约:Wiley)·Zbl 0834.62068号 [91] Reed M和Simon B 1972现代数学物理方法。I.功能分析(纽约:学术版)pxvii+325·Zbl 0242.46001号 [92] Roberts G O和Rosenthal J S 2001各种大城市的最佳缩放-hastings算法统计科学.16 351-67·Zbl 1127.65305号 ·doi:10.1214/ss/1015346320 [93] Rudolf D和Sprungk B 2018关于预处理Crank-Nicolson metropolis算法的推广。计算。数学18 309-43·Zbl 1391.60169号 ·doi:10.1007/s10208-016-9340-x [94] Ruthotto L、Chung J和Chung M 2018状态约束反问题的最优实验设计SIAM J.Sci。计算40 B1080-100·兹比尔1392.62232 ·数字对象标识代码:10.1137/17m1143733 [95] Ryan E G、Drovandi C C、McGree J M和Pettitt A N 2016贝叶斯优化设计现代计算算法综述国际统计版次84 128-54·Zbl 07763475号 ·doi:10.1111/insr.12107 [96] Ryan K J 2003估算试验设计的预期信息增益,并应用于随机疲劳极限模型J.Compute。图表。统计数字12 585-603·doi:10.1198/1061860032012年 [97] Saibaba A K、Alexanderian A和Ipsen I C F 2017随机无矩阵跟踪和对数决定估计数Numer。数学137 353-95·兹比尔1378.65094 ·doi:10.1007/s00211-017-0880-z [98] Saibaba A K,Bardsley J,Brown D A和Alexanderian A 2019层次贝叶斯反问题的基于边缘化的MCMC方法SIAM/ASA J.不确定性。量化7 1105-31·Zbl 07118424号 ·doi:10.1137/18m1220625 [99] Shulkind G,Horesh L和Avron H 2018错误指定动力学模型SIAM/ASA J.不确定的非参数校正实验设计。量化6 880-906·Zbl 1403.62140号 ·数字对象标识代码:10.1137/17m1128435 [100] Sprungk B 2020关于贝叶斯反问题的局部Lipschitz稳定性反问题36 055015·Zbl 1469.62216号 ·doi:10.1088/1361-6420/ab6f43 [101] Stuart A M 2010逆向问题:贝叶斯视角的数值学报19 451-559·Zbl 1242.65142号 ·doi:10.1017/s0962492910000061 [102] Sunseri I、Hart J、van Bloemen Waanders B和Alexanderian A 2020偏微分方程约束反问题的超微分灵敏度分析反问题36 125001·Zbl 1453.35197号 ·doi:10.1088/1361-6420/abaf63 [103] Tarantola A 2005模型参数估计反问题理论和方法(宾夕法尼亚州费城:SIAM)·Zbl 1074.65013号 ·doi:10.137/1.9780898177921 [104] 尤金斯基D 2005分布式参数系统辨识的最佳测量方法(博卡拉顿,佛罗里达州:CRC出版社)·Zbl 1155.93003号 [105] 乌辛斯基D 2020 D-存在相关测量噪声时的最佳传感器选择测量164 107873·doi:10.1016/j.测量.2020.107873 [106] Vogel C R 2002反问题计算方法(应用数学前沿)(宾夕法尼亚州费城:SIAM)·Zbl 1008.65103号 ·数字对象标识代码:10.1137/1.9780898717570 [107] Walsh S、Wildey T和Jakeman J D 2017使用一致的贝叶斯方法进行优化实验设计ASCE-ASME J.风险不确定性。工程系统。乙4 011005·数字对象标识代码:10.1115/1.4037457 [108] Walter D 2019关于偏微分方程参数识别问题的稀疏传感器布置 [109] Weiser M,Freytag Y,Erdmann B,Hubig M和Mall G 2018法医学中估计死亡时间的实验优化设计逆问题34 125005·Zbl 1408.62186号 ·doi:10.1088/1361-6420/aae7a5 [110] Williams D 1991鞅概率(剑桥:剑桥大学出版社)·Zbl 0722.60001号 ·doi:10.1017/CBO9780511813658 [111] Wu K、Chen P和Ghattas O 2020大规模高维贝叶斯优化实验设计的快速可扩展计算框架(arXiv:2010.15196) [112] Yu J、Zavala V M和Anitescu M 2017最佳传感器布置的可扩展实验框架设计J过程控制67 44-55·doi:10.1016/j.jprocont.2017.03.011 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。