Limitations of polynomial chaos expansions in the Bayesian solution of inverse problems

گسترش های هرج و مرج به منظور کاهش هزینه های محاسباتی در راه حل های بیزی از مشکلات معکوس با ایجاد یک جایگزین جایگزین استفاده می شود که می تواند ارزان شود. ما با تجزیه و تحلیل و مثال مثال نشان می دهیم که زمانی که داده ها حاوی اطلاعات قابل توجهی فراتر از مقادیر قبلی هستند، جایگزین جایگزین می تواند بسیار متفاوت از خلفی باشد و برآوردهای حاصل از آن نادرست باشد. می توان دقت را با تطبیق افزایش نظم هرج و مرج چندجملهای بهبود داد، اما هزینه آن می تواند بیش از حد سریع برای آن مقرون به صرفه در مقایسه با نمونه گیری مونت کارلو بدون یک جایگزین خلفی.