Bayesian methods and maximum entropy for ill-posed inverse problems
不适定逆问题的贝叶斯方法与最大熵AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般正测度重建和线性逆问题，没有明确经济结构模型或其他所列计量细分方向的文本依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
不适定逆问题的贝叶斯方法与最大熵
- 研究问题
- 当只能观测未知正测度的若干广义矩时，如何重建该测度、纳入先验信息，并理解确定性方法与贝叶斯方法的联系及解的存在性？
- 方法与思路
- 作者提出均值上最大熵方法，依赖一列有限维离散逆问题，并利用与重建程序有关的离散随机测度的大偏差性质开展分析。
- 材料陈述的贡献
- 摘要称，该构造可对通常的确定性方法作贝叶斯解释、便于纳入先验，并提出线性逆问题解存在性的新判据，为研究超分辨率提供起点。
- 阅读关注点
- 应核对离散化序列与极限对象、先验如何进入最大熵构造、大偏差工具的作用，以及确定性方法解释和存在性判据的适用范围。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；具体判据与重建误差未说明，摘要将超分辨率定位为后续研究起点，不能声称已解决。
原文摘要
In this paper, we study linear inverse problems where some generalized moments of an unknown positive measure are observed. We introduce a new construction, called the maximum entropy on the mean method (MEM), which relies on a suitable sequence of finite-dimensional discretized inverse problems. Its advantage is threefold: It allows us to interpret all usual deterministic methods as Bayesian methods; it gives a very convenient way of taking into account prior information; it also leads to new criteria for the existence question concerning the linear inverse problem which will be a starting point for the investigation of superresolution phenomena. The key tool in this work is the large deviations property of some discrete random measure connected with the reconstruction procedure.