Buchumschlag

Multifidelity sensor placement in Bayesian state estimation problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ramon, Gabriela, Sarnoski, Geena, Tumuluri, Vasishta, Díaz, Hugo, Saibaba, Arvind K.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis Optimization and Control 62K05 (Primary) 35R30, 65C60, 62F15 (Secondary)
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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)

Learning where to learn: Training data distribution optimization for scientific machine learning
von: Guerra, Nicolas, et al.
Veröffentlicht: (2025)

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

Multilevel Markov Chain Monte Carlo with likelihood scaling for Bayesian inversion with high-resolution observations
von: Vanmechelen, Pieter, et al.
Veröffentlicht: (2024)

Global optimality conditions for sensor placement, with extensions to binary low-rank A-optimal designs
von: Aarset, Christian
Veröffentlicht: (2024)

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

FEM-based A-optimal sensor placement for heat source inversion from final time measurement
von: Aarset, Christian, et al.
Veröffentlicht: (2025)

Markov chain Monte Carlo for Bayesian inference of the non-conducting region in intra-atrial reentrant tachycardia
von: Volkaerts, Maarten, et al.
Veröffentlicht: (2026)

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

A Majorization-Minimization with Monte Carlo Approach for Hyperparameter Estimation
von: Buser, Elle, et al.
Veröffentlicht: (2026)

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

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

A Probabilistic Approach to Trajectory-Based Optimal Experimental Design
von: Attia, Ahmed
Veröffentlicht: (2026)

Optimal Control of a Battery Storage On the Energy Market
von: Schlüter, Stephan, et al.
Veröffentlicht: (2024)

Data selection: at the interface of PDE-based inverse problem and randomized linear algebra
von: Hellmuth, Kathrin, et al.
Veröffentlicht: (2025)

FlexTrace: Exchangeable Randomized Trace Estimation for Matrix Functions
von: Madhavan, Madhusudan, et al.
Veröffentlicht: (2026)

Beyond singular value gaps in randomized subspace approximation
von: Wang, Christopher, et al.
Veröffentlicht: (2026)

Tractable Optimal Experimental Design using Transport Maps
von: Koval, Karina, et al.
Veröffentlicht: (2024)

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

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

Stochastic Modified Flows for Riemannian Stochastic Gradient Descent
von: Gess, Benjamin, et al.
Veröffentlicht: (2024)

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

Sensitivity Analysis of the Information Gain in Infinite-Dimensional Bayesian Linear Inverse Problems
von: Chowdhary, Abhijit, et al.
Veröffentlicht: (2023)

Efficient iterative methods for hyperparameter estimation in large-scale linear inverse problems
von: Hall-Hooper, Khalil A, et al.
Veröffentlicht: (2023)

Poisson Regression in one Covariate on Massive Data
von: Reuter, Torsten, 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)

A Multiscale Perspective on Maximum Marginal Likelihood Estimation
von: Akyildiz, O. Deniz, et al.
Veröffentlicht: (2024)

D-optimal Subsampling Design for Massive Data Linear Regression
von: Glemser, Torsten, et al.
Veröffentlicht: (2023)

Optimizing Data Augmentation through Bayesian Model Selection
von: Matymov, Madi, et al.
Veröffentlicht: (2025)

Determination of a Small Elliptical Anomaly in Electrical Impedance Tomography using Minimal Measurements
von: Chen, Gaoming, et al.
Veröffentlicht: (2024)

Nonparametric Bayesian Calibration of Computer Models
von: Shi, Haiyi, et al.
Veröffentlicht: (2025)

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

Posterior contraction rates of computational methods for Bayesian data assimilation
von: Burman, Erik, et al.
Veröffentlicht: (2025)

Goodness-of-fit tests for spatial point processes: A review
von: Fend, Chiara, et al.
Veröffentlicht: (2025)