×

偏微分方程中贝叶斯推理的一种新的网络方法。 (英语) Zbl 1352.35018号

摘要:我们介绍了一种在贝叶斯推理环境下偏微分方程参数估计的新数值方法。其主要思想是通过细胞概率自动机的离散化将方程转化为状态离散动态贝叶斯网络。概率图形模型领域存在着大量的推理算法,可以应用于网络{}特别是,我们将参数估计重新定义为一个滤波问题,讨论了特定设置中相应工具的要求,并选择了Boyen–Koller算法。为了证明我们的想法,我们将该方案应用于水管中砷酸盐的对流和吸附问题:通过测量流出边界条件下的溶解砷酸盐浓度,我们推断出流入边界条件下砷酸盐源的强度。

MSC公司:

35G31型 非线性高阶偏微分方程的初边值问题
2015年1月62日 贝叶斯推断
35A35型 偏微分方程背景下的理论近似
35G20个 非线性高阶偏微分方程
62小时99 多元分析
65 C50 其他概率计算问题(MSC2010)
65J22型 抽象空间反问题的数值解法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Hadamard,Sur les problèmes aux dériveées partielles et leur implication physique,普林斯顿大学公告13第49页–(1902)
[2] Kirsch,反问题数学理论导论(1996)·doi:10.1007/978-1-4612-5338-9
[3] Vogel,反问题的计算问题(1996)
[4] Evans,作为统计的逆问题,逆问题18 pp R55–(2002)·Zbl 1039.62007号 ·doi:10.1088/0266-5611/18/4/201
[5] 反问题与不确定性量化(2011)
[6] 盖尔曼,贝叶斯数据分析(2004)·Zbl 1117.62343号
[7] Kaipio,统计和计算反问题(2005)·Zbl 1068.65022号
[8] Mohammad-Djafari,反问题的贝叶斯推断,AIP会议记录617 pp 477–(2002)·数字对象标识代码:10.1063/1.1477067
[9] Huan,非线性系统基于仿真的最优贝叶斯实验设计,计算物理杂志232页288–(2013)·doi:10.1016/j.jcp.2012.08.013
[10] Bishop,模式识别和机器学习(2006)
[11] Evans,统计学中近似积分的方法,特别强调贝叶斯积分问题,《统计科学》10第254页–(1995)·Zbl 0955.62553号 ·doi:10.1214/ss/1177009938
[12] Robert,蒙特卡洛统计方法(2004)·Zbl 1096.62003年 ·数字对象标识代码:10.1007/978-1-4757-4145-2
[13] James,Monte Carlo理论与实践,普林斯顿大学公报43,第1145页–(1980)
[14] 大都会,快速计算机器的状态方程计算,《化学物理杂志》21页1087–(1953)·数字对象标识代码:10.1063/1.1699114
[15] Hastings,使用马尔可夫链的蒙特卡罗采样方法及其应用,Biometrika 57第97页–(1970)·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97
[16] 吉尔克斯,《马尔可夫链蒙特卡罗实践》(1995年)
[17] Chib,理解大都会黑斯廷斯算法,《美国统计学家》49 pp 327–(1995)
[18] 实践中的序贯蒙特卡罗方法(2001)·Zbl 0967.00022号
[19] 格雷瓦尔,《卡尔曼滤波:使用MATLAB的理论与实践》(2008)·doi:10.1002/9780470377819
[20] Julier,无中心滤波和非线性估计,IEEE 92第401页会议记录–(2004)·doi:10.1109/JPROC.2003.823141
[21] 韦尔奇,卡尔曼滤波器简介,Tr 95-041,UNC-Chapel Hill(2006)
[22] Augustin,《多项式混沌类型方法在不确定性传播中的精度比较》,《工业数学杂志》3第1页–(2013)·Zbl 1275.65004号 ·doi:10.1186/2190-5983-3-2
[23] Marzouk,高效贝叶斯反问题解的随机谱方法,计算物理杂志224 pp 560–(2006)·Zbl 1120.65306号 ·doi:10.1016/j.jcp.2006.10.010
[24] Marzouk,反问题中贝叶斯推理的降维和多项式混沌加速,计算物理杂志228页1862–(2009)·Zbl 1161.65308号 ·doi:10.1016/j.jcp.2008.11.024
[25] Kennedy,《使用贝叶斯统计法估算辐射热源》,《皇家统计学会杂志:B辑(统计方法)》63,第425页–(2001年)·Zbl 1007.62021号 ·数字标识代码:10.1111/1467-9868.00294
[26] 利伯曼,大规模统计反问题的参数和状态模型简化,SIAM科学计算杂志32页2523–(2010)·Zbl 1217.65123号 ·doi:10.1137/090775622
[27] Sternfels,降阶模型跟踪和插值以解决基于PDE的贝叶斯反问题,《反问题》29页075 014–(2013)·Zbl 1278.65148号 ·doi:10.1088/0266-5611/29/7/075014
[28] El公司Moselhy,带最优映射的贝叶斯推断,《计算物理杂志》231 pp 7815–(2012)·Zbl 1318.62087号 ·doi:10.1016/j.jcp.2012.07.022
[29] Koller,概率图形模型:原理和技术(2009)·Zbl 1183.68483号
[30] Bartlett,列联表交互作用,英国皇家统计学会期刊,B系列2,第248页–(1935)
[31] Lauritzen,图形模型(1996)·Zbl 0907.62001
[32] Dean,《关于持久性和因果关系的推理模型》,《计算智能》5第142页–(1989)·doi:10.1111/j.1467-8640.1989.tb00324.x
[33] 墨菲KP动态贝叶斯网络:表示、推理和学习伯克利2002
[34] 贝吉,《说话人识别基础》(2011年)·兹比尔1250.68001 ·doi:10.1007/978-0-387-77592-0
[35] Friedman,使用概率图形模型推断蜂窝网络,《科学》303第799页–(2004)·doi:10.1126/science.1094068
[36] Denardo,《动态编程:模型和应用》(2003)
[37] Wan,随机多尺度偏微分方程的概率图形模型方法,计算物理杂志250页477–(2013)·Zbl 1349.65036号 ·doi:10.1016/j.jcp.2013.05.016
[38] Boyen,《第十一届神经信息处理系统进展会议论文集》(1998年)
[39] Boyen,第十四届人工智能不确定性年会论文集,第33页–(1998年)
[40] Boyen,《第十六届全国人工智能会议论文集》,第313页–(1999)
[41] Murphy,《第十七届人工智能不确定性会议论文集》,第378页–(2001年)
[42] 2013年图形模型的Murphy KP软件包网址:http://www.cs.ubc.ca/murphyk/Software/bnsoft.html
[43] 墨菲,《图形模型软件:综述》,《国际贝叶斯分析学会新闻稿》,第14页,第13页–(2007年)
[44] 用于Matlab(BNT)[计算机软件]的Murphy KP Bayes网络工具箱2007https://code.google.com/p/bnt/
[45] Dunham M Murphy KP Bretschneider H Severinski C Caron F Krishnapuram B Tseng R M Schmidt Karpathy A Brown G Swersky K Khan E Moghaddam B Barrowes B Mahieddine M Slaughter AE Hinton G Salakhutdinov R Moler C Nielsen HB Hansegard J Holtsberg A M Buehren Hyvarinen A Woodford O Schniter Ziniel Wipf D Schroedl S Gunn S Paskin M D Gilbert EddingsHoelzer S Suyadi S Ellis D Perkins P Krishna N Murthy K Minka T Bali S Thomas D Dissing BS Figueiredo Wood M Huang J Verbeek J Huang Y Mairal J Marlin B Rasmussen C Chen T Andrade L Vidakovic B Roweis S Magdin V Vandekerckhove J Frey BJ Dueck D Yehezkel R Hyvarinen A Alain G Tibshirani R D'Errico J D’Erico J Hoffman T A Vehtari Cotton R霍夫曼公司Shawe-Taylor J Laine M Matlab/Octave概率建模工具包(版本3)(PMTK3)[计算机软件]2012http://code.google.com/p/pmtk3/
[46] Bilmes J图形模型工具包(GMTK)[计算机软件]2009http://memotei.e.washington.edu/bilmes/gmtk公司/
[47] 英特尔公司概率网络库(PNL)[计算机软件]2003http://sourceforge.net/projects/openpnl/
[48] 微软公司推断。NET[计算机软件]2013http://research.microsoft.com/en-us/um/cambridge/projects/infernet/
[49] 科勒,《细胞概率自动机-不确定性传播的新方法》,SIAM/ASA《不确定性量化杂志》2第29页–(2014)·Zbl 1306.65004号 ·doi:10.137/120897183
[50] Dellnitz,《关于复杂动力学行为的近似》,《SIAM数值分析杂志》36 pp 491–(1999)·Zbl 0916.58021号 ·doi:10.137/S0036142996313002
[51] Dellnitz M Junge O面向集合的动力系统数值方法动力系统手册B Fiedler Elsevier Science阿姆斯特丹221 264·Zbl 1036.37030号
[52] Grüne,扰动系统的全局最优控制,《优化理论与应用杂志》136页411–(2008)·Zbl 1147.49019号 ·doi:10.1007/s10957-007-9312-z
[53] Hedlund,移位动力系统的自同构和自同构,计算系统理论3 pp 320–(1969)·Zbl 0182.56901号
[54] Ceccherini-Silberstein,元胞自动机和组(2010)·Zbl 1218.37004号 ·doi:10.1007/978-3642-14034-1
[55] 冯·诺依曼J自动机的一般逻辑理论行为中的大脑机制:希克逊研讨会LA Jeffress Wiley Hoboken 1 41
[56] Kari,《细胞自动机理论:一项调查》,《理论计算机科学》第334页第3–·Zbl 1080.68070号 ·doi:10.1016/j.tcs.2004.11.021
[57] 判定元件Vries,《数学生物学课程:用数学和计算方法进行定量建模》(2006年)·doi:10.1137/1.9780898718256
[58] Lasota,混沌、分形和噪声:动力学的随机方面(1993)
[59] 威廉姆斯,符号动力学及其应用,第1页–(2004)·doi:10.1090/psapm/060/2078843
[60] Kohler,偏微分方程的状态离散概率方法(2014)
[61] Sivia,《数据分析-贝叶斯教程》(2006)·Zbl 1102.62001号
[62] 贝纳多,贝叶斯理论(2000)
[63] Bilmes J GMTK:图形模型工具包,文档2010http://memotei.e.washington.edu/bilmes/gmtk公司/
[64] Shang,EPANET多光谱扩展用户手册(2011)
[65] Klosterman S Murray R Szabo J Hall J Uber J配电系统模拟器中砷酸盐去向和传输的建模和模拟2011 655 669 10.1061/41203(425)62
[66] Koopal,带电固液界面吸附动力学的简单模型,胶体和表面A:物理化学和工程方面192 pp 93–(2001)·doi:10.1016/S0927-7757(01)00719-1
[67] 《无定形氢氧化铁对亚砷酸盐和砷酸盐的吸附》,《水研究》,第16页,1247–(1982)·doi:10.1016/0043-1354(82)90143-9
[68] Thirring,原子和分子的量子力学(1981)
[69] LeVeque,守恒定律的数值方法(1999)
[70] 优步J稳态和时变网络流中污染源特征的可识别性2005 1 4 10.1061/40792(173)25
[71] Di Cristo C Leopardi A供水网络中污染源位置的不确定性影响2008 1 10 10.1061/40941(247)125
[72] Schöne,《定位泄漏的模拟》,《未来图片:2012年春季研究与创新杂志》第64页–
[73] 盖革,泄漏检测原理(2008)
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。