کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6932998 867589 2014 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Expectation propagation for nonlinear inverse problems - with an application to electrical impedance tomography
ترجمه فارسی عنوان
انتشار انتظار برای مشکلات معکوس غیر خطی - با استفاده از توموگرافی امپدانس الکتریکی
کلمات کلیدی
انتشار انتظارات، مشکل معکوس غیر خطی، عدم قطعیت اندازه گیری، محدودیت سرعت توموگرافی امپدانس الکتریکی،
ترجمه چکیده
در این مقاله، ما یک روش استنتاج تقریبی سریع بر اساس انتشار انتظار برای مطالعه توزیع احتمالی خلفی بوجود می آوریم که بوسیله فرمول بندی بیزی از مسائل معکوس غیر خطی است. این توانایی به طور موثر ارائه برآوردهای قابل اعتماد از میانگین خلفی و کوواریانس است، بنابراین یک راه حل معکوس همراه با عدم اطمینان کافی ارائه می شود. برخی از خواص نظری الگوریتم تکراری مورد بحث قرار گرفته و اجرای کاربردی برای یک کلاس مهم از مشکلات نوع طرح ریزی شده است. این روش با یک مسئله معکوس غیر خطی معمولی، توموگرافی امپدانس الکتریکی با مدل کامل الکترود، تحت محدودیت اسپارتی نشان داده شده است. نتایج عددی برای داده های تجربی واقعی ارائه شده است و با مونت کارلو زنجیره مارکوف مقایسه می شود. نتایج نشان می دهد که روش دقیق و محاسباتی بسیار کارآمد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
In this paper, we study a fast approximate inference method based on expectation propagation for exploring the posterior probability distribution arising from the Bayesian formulation of nonlinear inverse problems. It is capable of efficiently delivering reliable estimates of the posterior mean and covariance, thereby providing an inverse solution together with quantified uncertainties. Some theoretical properties of the iterative algorithm are discussed, and the efficient implementation for an important class of problems of projection type is described. The method is illustrated with one typical nonlinear inverse problem, electrical impedance tomography with complete electrode model, under sparsity constraints. Numerical results for real experimental data are presented, and compared with that by Markov chain Monte Carlo. The results indicate that the method is accurate and computationally very efficient.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 259, 15 February 2014, Pages 513-535
نویسندگان
, ,