• Treffer 2 von 392
Zurück zur Trefferliste
Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-600408

Adaptive Gaussian Process Regression for Bayesian inverse problems

  • We introduce a novel adaptive Gaussian Process Regression (GPR) methodology for efficient construction of surrogate models for Bayesian inverse problems with expensive forward model evaluations. An adaptive design strategy focuses on optimizing both the positioning and simulation accuracy of training data in order to reduce the computational cost of simulating training data without compromising the fidelity of the posterior distributions of parameters. The method interleaves a goal-oriented active learning algorithm selecting evaluation points and tolerances based on the expected impact on the Kullback-Leibler divergence of surrogated and true posterior with a Markov Chain Monte Carlo sampling of the posterior. The performance benefit of the adaptive approach is demonstrated for two simple test problems.

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:P. Villani, Jörg F. UngerORCiD, M. Weiser
Dokumenttyp:Sonstiges
Veröffentlichungsform:Graue Literatur
Sprache:Englisch
Titel des übergeordneten Werkes (Englisch):arxiv.org
Jahr der Erstveröffentlichung:2024
Organisationseinheit der BAM:7 Bauwerkssicherheit
7 Bauwerkssicherheit / 7.7 Modellierung und Simulation
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:Cornell University
Verlagsort:Ithaca, NY
Aufsatznummer:arXiv:2404.19459
Erste Seite:1
Letzte Seite:12
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften
Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurbau
Freie Schlagwörter:Active learning; Bayesian inverse problems; Gaussian Process Regression (GPR); Parameter identification; Surrogate models
Themenfelder/Aktivitätsfelder der BAM:Infrastruktur
Infrastruktur / Verkehrsinfrastrukturen
Material
Material / Materialdesign
Veranstaltung:ALGORITMY 2024 Central-European Conference on Scientific Computing
Veranstaltungsort:High Tatra Mountains, Slovakia
Beginndatum der Veranstaltung:15.03.2024
Enddatum der Veranstaltung:20.03.2024
DOI:10.48550/arXiv.2404.19459
URN:urn:nbn:de:kobv:b43-600408
ISSN:2331-8422
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - CC BY-SA - Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International
Datum der Freischaltung:22.05.2024
Referierte Publikation:Nein
Schriftenreihen ohne Nummerierung:Arbeitspapiere der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.