Buchumschlag

Enhanced uncertainty quantification variational autoencoders for the solution of Bayesian inverse problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tonini, Andrea, Dede', Luca
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis 68T07, 62C10, 35R30
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improvements on uncertainty quantification with variational autoencoders
von: Tonini, Andrea, et al.
Veröffentlicht: (2025)

Deep Adaptive Dimension Reduction for Bayesian Inference in Inverse Problems
von: Wang, Yueyang, et al.
Veröffentlicht: (2026)

The learned range test method for the inverse inclusion problem
von: Sun, Shiwei, et al.
Veröffentlicht: (2024)

Bayesian Formulation of Acousto-Electric Tomography and Quantified Uncertainty in Limited View
von: Schlüter, Hjørdis, et al.
Veröffentlicht: (2026)

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

Operator learning meets inverse problems: A probabilistic perspective
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2025)

Extension and neural operator approximation of the electrical impedance tomography inverse map
von: de Hoop, Maarten V., et al.
Veröffentlicht: (2025)

An energy-based deep splitting method for the nonlinear filtering problem
von: Bågmark, Kasper, et al.
Veröffentlicht: (2022)

A Bayesian approach to inverse problems in spaces of measures
von: Huynh, Phuoc-Truong
Veröffentlicht: (2025)

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

A convergent scheme for the Bayesian filtering problem based on the Fokker--Planck equation and deep splitting
von: Bågmark, Kasper, et al.
Veröffentlicht: (2024)

Score-based constrained generative modeling via Langevin diffusions with boundary conditions
von: Nordenhög, Adam, et al.
Veröffentlicht: (2025)

Utilizing variational autoencoders in the Bayesian inverse problem of photoacoustic tomography
von: Sahlström, Teemu, et al.
Veröffentlicht: (2022)

A Neural Network Enhanced Born Approximation for Inverse Scattering
von: Desai, Ansh, et al.
Veröffentlicht: (2025)

High-dimensional Bayesian filtering through deep density approximation
von: Bågmark, Kasper, et al.
Veröffentlicht: (2025)

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

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

Operator Learning Using Random Features: A Tool for Scientific Computing
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2024)

On the convergence of PINNs for inverse source problem in the complex Ginzburg-Landau equation
von: Cheng, Xing, et al.
Veröffentlicht: (2025)

Global polynomial-time estimation in statistical nonlinear inverse problems via generalized stability
von: Wang, Sven
Veröffentlicht: (2026)

Diffusion Graph Posterior Sampling for Nonlinear Inverse Problems with Application to Electrical Impedance Tomography
von: Alberti, Giovanni S., et al.
Veröffentlicht: (2026)

A unified Bayesian inversion approach for a class of tumor growth models with different pressure laws
von: Feng, Yu, et al.
Veröffentlicht: (2023)

To be or not to be stable, that is the question: understanding neural networks for inverse problems
von: Evangelista, Davide, et al.
Veröffentlicht: (2022)

Self-adaptive physics-informed neural network for forward and inverse problems in heterogeneous porous flow
von: Aziz, Md. Abdul, et al.
Veröffentlicht: (2025)

Nonlinear filtering based on density approximation and deep BSDE prediction
von: Bågmark, Kasper, et al.
Veröffentlicht: (2025)

Ranking Perspective for Tree-based Methods with Applications to Symbolic Feature Selection
von: Luo, Hengrui, et al.
Veröffentlicht: (2024)

From Video-to-PDE: Data-Driven Discovery of Nonlinear Dye Plume Dynamics
von: Acosta-Minoli, Cesar, et al.
Veröffentlicht: (2026)

Error analysis for empirical risk minimization over clipped ReLU networks in solving linear Kolmogorov partial differential equations
von: Xiao, Jichang, et al.
Veröffentlicht: (2023)

Functional SDE approximation inspired by a deep operator network architecture
von: Eigel, Martin, et al.
Veröffentlicht: (2024)

A Systematic Evaluation of Imbalance Handling Methods in Biomedical Binary Classification
von: Chen, Jiandong, et al.
Veröffentlicht: (2026)

G-Mapper: Learning a Cover in the Mapper Construction
von: Alvarado, Enrique, et al.
Veröffentlicht: (2023)

A forward scheme with machine learning for forward-backward SDEs with jumps by decoupling jumps
von: Kawai, Reiichiro, et al.
Veröffentlicht: (2024)

Machine learning on manifolds for inverse scattering: Lipschitz stability analysis
von: Ganesh, Mahadevan, et al.
Veröffentlicht: (2025)

Numerical PDE solvers outperform neural PDE solvers
von: Chatain, Patrick, et al.
Veröffentlicht: (2025)

Regularity and tailored regularization of Deep Neural Networks, with application to parametric PDEs in uncertainty quantification
von: Keller, Alexander, et al.
Veröffentlicht: (2025)

A novel viewpoint for Bayesian inversion based on the Poisson point process
von: Deng, Zhiliang, et al.
Veröffentlicht: (2025)

A Note on Small Percolating Sets on Hypercubes via Generative AI
von: Bérczi, Gergely, et al.
Veröffentlicht: (2024)

Pseudo-Differential Neural Operator: Generalized Fourier Neural Operator for Learning Solution Operators of Partial Differential Equations
von: Shin, Jin Young, et al.
Veröffentlicht: (2022)

Towards optimal sensor placement for inverse problems in spaces of measures
von: Huynh, Phuoc-Truong, et al.
Veröffentlicht: (2023)

Diff-ANO: Towards Fast High-Resolution Ultrasound Computed Tomography via Conditional Consistency Models and Adjoint Neural Operators
von: Cao, Xiang, et al.
Veröffentlicht: (2025)