Buchumschlag

Non-intrusive optimal experimental design for large-scale nonlinear Bayesian inverse problems using a Bayesian approximation error approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Koval, Karina, Nicholson, Ruanui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

Beyond Independence: on Jointly Normal Priors in Bayesian Inversion
von: Nicholson, Ruanui, et al.
Veröffentlicht: (2026)

Efficient hyperparameter estimation in Bayesian inverse problems using sample average approximation
von: Chung, Julianne, et al.
Veröffentlicht: (2024)

Data-informed posterior approximation for Bayesian linear inverse problems
von: Li, Haibo
Veröffentlicht: (2026)

Bayesian optimal experimental design with Wasserstein information criteria
von: Helin, Tapio, et al.
Veröffentlicht: (2025)

Approximation of differential entropy in Bayesian optimal experimental design
von: Chen, Chuntao, et al.
Veröffentlicht: (2025)

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

Local sensitivity analysis for Bayesian inverse problems
von: Dölz, Jürgen, et al.
Veröffentlicht: (2025)

Discretization-free Bayesian inverse problems in distribution spaces
von: Calvetti, Daniela, et al.
Veröffentlicht: (2026)

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

Efficient sampling approaches based on generalized Golub-Kahan methods for large-scale hierarchical Bayesian inverse problems
von: Buser, Elle, et al.
Veröffentlicht: (2025)

Non-asymptotic error estimates for the Laplace approximation in Bayesian inverse problems
von: Helin, Tapio, et al.
Veröffentlicht: (2020)

Projected Newton method for large-scale Bayesian linear inverse problems
von: Li, Haibo
Veröffentlicht: (2024)

Subspace projection regularization for large-scale Bayesian linear inverse problems
von: Li, Haibo
Veröffentlicht: (2023)

Dimension and model reduction approaches for linear Bayesian inverse problems with rank-deficient prior covariances
von: König, Josie, et al.
Veröffentlicht: (2025)

Laplace-based strategies for Bayesian optimal experimental design with nuisance uncertainty
von: Bartuska, Arved, et al.
Veröffentlicht: (2023)

Design optimization in unilateral contact using pressure constraints and Bayesian optimization
von: Wang, Jingyi, et al.
Veröffentlicht: (2024)

Solving Bayesian inverse problems via Fisher adaptive Metropolis adjusted Langevin algorithm
von: Wang, Li-Li, et al.
Veröffentlicht: (2025)

DeepONet-accelerated Bayesian inversion for moving boundary problems
von: Iglesias, Marco A., et al.
Veröffentlicht: (2025)

Variable reduction as a nonlinear preconditioning approach for optimization problems
von: Ciaremalla, Gabriele, et al.
Veröffentlicht: (2024)

Neural operators for solving nonlinear inverse problems
von: Scherzer, Otmar, et al.
Veröffentlicht: (2025)

Estimating systematic errors in Bayesian inversion using transport maps
von: Casfor, Maren, et al.
Veröffentlicht: (2025)

Surrogate model for Bayesian optimal experimental design in chromatography
von: Rojo-Garcia, Jose Rodrigo, et al.
Veröffentlicht: (2024)

Continuous nonlinear adaptive experimental design with gradient flow
von: Jin, Ruhui, et al.
Veröffentlicht: (2024)

Bayesian Interpolating Neural Network (B-INN): a scalable and reliable Bayesian model for large-scale physical systems
von: Park, Chanwook, et al.
Veröffentlicht: (2026)

Adaptive operator learning for infinite-dimensional Bayesian inverse problems
von: Gao, Zhiwei, et al.
Veröffentlicht: (2023)

Multilevel Markov Chain Monte Carlo for Bayesian inverse problems for Navier Stokes equation with Lagrangian Observations
von: Yang, Juntao
Veröffentlicht: (2024)

On the error of the Euler scheme for approximation of solutions of nonlinear DDEs under inexact information
von: Przybyłowicz, Paweł, et al.
Veröffentlicht: (2026)

The explicit constraint force method for optimal experimental design
von: Rowan, Conor
Veröffentlicht: (2026)

Quasi-Monte Carlo for Bayesian shape inversion governed by the Poisson problem subject to Gevrey regular domain deformations
von: Djurdjevac, Ana, et al.
Veröffentlicht: (2025)

Feasible approximation of matching equilibria for large-scale matching for teams problems
von: Neufeld, Ariel, et al.
Veröffentlicht: (2023)

Shape Derivative-Informed Neural Operators with Application to Risk-Averse Shape Optimization
von: Gong, Xindi, et al.
Veröffentlicht: (2026)

A global approach for the inverse scattering problem using a Carleman contraction map
von: Nguyen, Phuong M., et al.
Veröffentlicht: (2024)

An approximate Itô-SDE based simulated annealing algorithm for multivariate design optimization problems
von: Batou, A.
Veröffentlicht: (2019)

Spotlight, priorsketching and Bayesian approximation error paradigms
von: Calvetti, Daniela, et al.
Veröffentlicht: (2026)

Efficient TV regularization of large-scale linear inverse problems via the SCD semismooth* Newton method with applications in tomography
von: Gfrerer, Helmut, et al.
Veröffentlicht: (2026)

A global Lipschitz stability perspective for understanding approximate approaches in Bayesian sequential learning
von: Wang, Liliang, et al.
Veröffentlicht: (2025)

Extended Galerkin neural network approximation of singular variational problems with error control
von: Ainsworth, Mark, et al.
Veröffentlicht: (2024)

Distributed Tikhonov regularization for ill-posed inverse problems from a Bayesian perspective
von: Calvetti, Daniela, et al.
Veröffentlicht: (2024)