Buchumschlag

Tractable Optimal Experimental Design using Transport Maps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Koval, Karina, Herzog, Roland, Scheichl, Robert
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation Numerical Analysis Optimization and Control 62K05, 62F15, 65K10, 65L09, 65N21, 15A69
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Subspace accelerated measure transport methods for fast and scalable sequential experimental design, with application to photoacoustic imaging
von: Cui, Tiangang, et al.
Veröffentlicht: (2025)

Quasi-Monte Carlo for Bayesian design of experiment problems governed by parametric PDEs
von: Kaarnioja, Vesa, et al.
Veröffentlicht: (2024)

Stein variational gradient descent on infinite-dimensional space and applications to statistical inverse problems
von: Jia, Junxiong, et al.
Veröffentlicht: (2021)

Functional normalizing flow for statistical inverse problems of partial differential equations
von: Zhao, Yang, et al.
Veröffentlicht: (2024)

Non-centered parametric variational Bayes' approach for hierarchical inverse problems of partial differential equations
von: Sui, Jiaming, et al.
Veröffentlicht: (2022)

A control-oriented approach to optimal sensor placement
von: Madhavan, Madhusudan, et al.
Veröffentlicht: (2025)

Taylor Approximation Variance Reduction for Approximation Errors in PDE-constrained Bayesian Inverse Problems
von: Nicholson, Ruanui, et al.
Veröffentlicht: (2025)

A global optimum-informed greedy algorithm for A-optimal experimental design
von: Aarset, Christian
Veröffentlicht: (2024)

Multi-Iteration Stochastic Optimizers
von: Carlon, Andre, et al.
Veröffentlicht: (2020)

Adaptive Gaussian Process Regression for Efficient Building of Surrogate Models in Inverse Problems
von: Semler, Phillip, et al.
Veröffentlicht: (2023)

Mean--Variance Risk-Aware Bayesian Optimal Experimental Design for Nonlinear Models
von: Shen, Wanggang, et al.
Veröffentlicht: (2026)

BISTRO -- A Bi-Fidelity Stochastic Gradient Framework using Trust-Regions for Optimization Under Uncertainty
von: Dixon, Thomas O., et al.
Veröffentlicht: (2025)

Gradient-Free Sequential Bayesian Experimental Design via Interacting Particle Systems
von: Gruhlke, Robert, et al.
Veröffentlicht: (2025)

Adaptive Gaussian Process Regression for Bayesian inverse problems
von: Villani, Paolo, et al.
Veröffentlicht: (2024)

Bayesian D-Optimal Experimental Designs via Column Subset Selection
von: Eswar, Srinivas, et al.
Veröffentlicht: (2024)

Optimal design of large-scale nonlinear Bayesian inverse problems under model uncertainty
von: Alexanderian, Alen, et al.
Veröffentlicht: (2022)

Goal oriented optimal design of infinite-dimensional Bayesian inverse problems using quadratic approximations
von: Neuberger, J. Nicholas, et al.
Veröffentlicht: (2024)

Sequential Monte Carlo with Gaussian Mixture Approximation for Infinite-Dimensional Statistical Inverse Problems
von: Lu, Haoyu, et al.
Veröffentlicht: (2025)

Optimal Sensor Placement in Gaussian Processes via Column Subset Selection
von: Chen, Jessie, et al.
Veröffentlicht: (2026)

Bayesian parameter identification in impedance boundary conditions for Helmholtz problems
von: Wulbusch, Nick, et al.
Veröffentlicht: (2023)

A new sparsity promoting residual transform operator for Lasso regression
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

Coupled Input-Output Dimension Reduction: Application to Goal-oriented Bayesian Experimental Design and Global Sensitivity Analysis
von: Chen, Qiao, et al.
Veröffentlicht: (2024)

Multifidelity sensor placement in Bayesian state estimation problems
von: Ramon, Gabriela, et al.
Veröffentlicht: (2026)

A Variational Characterization and A Line Search Newton-Noda Method for the unifying spectral problem of nonnegative tensors
von: Xu, Jiefeng, et al.
Veröffentlicht: (2025)

Joint Signal Recovery and Uncertainty Quantification via the Residual Prior Transform
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

Quasi-Monte Carlo and importance sampling methods for Bayesian inverse problems
von: He, Zhijian, et al.
Veröffentlicht: (2024)

Low-rank optimization on Tucker tensor varieties
von: Gao, Bin, et al.
Veröffentlicht: (2023)

Optimization on product manifolds under a preconditioned metric
von: Gao, Bin, et al.
Veröffentlicht: (2023)

Parameter estimation for partially observed second-order diffusion processes
von: Albrecht, Jan, et al.
Veröffentlicht: (2024)

A Reduced Basis Decomposition Approach to Efficient Data Collection in Pairwise Comparison Studies
von: Jiang, Jiahua, et al.
Veröffentlicht: (2025)

Bayesian experimental design: grouped geometric pooled posterior via ensemble Kalman methods
von: Yang, Huchen, et al.
Veröffentlicht: (2026)

The Bayesian SIAC filter
von: Glaubitz, Jan, et al.
Veröffentlicht: (2025)

The Bayesian Finite Element Method in Inverse Problems: a Critical Comparison between Probabilistic Models for Discretization Error
von: Poot, Anne, et al.
Veröffentlicht: (2025)

Robust optimal design of large-scale Bayesian nonlinear inverse problems
von: Chowdhary, Abhijit, et al.
Veröffentlicht: (2024)

Generalized sparsity-promoting solvers for Bayesian inverse problems: Versatile sparsifying transforms and unknown noise variances
von: Lindbloom, Jonathan, et al.
Veröffentlicht: (2024)

Stochastic Gradient Descent for Incomplete Tensor Linear Systems
von: Ma, Anna, et al.
Veröffentlicht: (2025)

Nonparametric Prior Learning in Differential Equation Modeling
von: Jia, Junxiong, et al.
Veröffentlicht: (2023)

Hyperparameter Estimation for Sparse Bayesian Learning Models
von: Yu, Feng, et al.
Veröffentlicht: (2024)

Leveraging joint sparsity in hierarchical Bayesian learning
von: Glaubitz, Jan, et al.
Veröffentlicht: (2023)

ASMOP: Additional sampling stochastic trust region method for multi-objective problems
von: Jerinkić, Nataša Krklec, et al.
Veröffentlicht: (2025)