A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors
带 Gamma 超先验的逆问题：一种变分推断方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主体是通用贝叶斯逆问题与变分计算，时间序列仅作为动力系统识别例子，尚不足以归入所列计量领域细分。
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…
带 Gamma 超先验的逆问题：一种变分推断方法
- 研究问题
- 在采用 Gamma 超先验的贝叶斯层级逆问题中，如何突破仅做最大后验估计的限制，同时实现信号重建、不确定性量化与超参数选择？
- 方法与思路
- 作者提出变分迭代交替方案处理层级逆问题，利用变分推断进行重建与不确定性量化，并在反卷积和动力系统稀疏识别中展示。
- 材料陈述的贡献
- 摘要称，该方案能提供准确重建和有意义的不确定性量化，实现较简便，也可用于超参数选择；这些表现由若干计算例子说明。
- 阅读关注点
- 核对变分分布与交替更新的构造、收敛依据及超参数选择标准，尤其检查近似后验的不确定性与实际重建误差是否吻合。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明误差界、校准标准或数值结果，不能据此判断一般统计保证。
原文摘要
Hierarchical models with gamma hyperpriors provide a flexible, sparse-promoting framework to bridge $L^1$ and $L^2$ regularizations in Bayesian formulations to inverse problems. Despite the Bayesian motivation for these models, existing methodologies are limited to \textit{maximum a posteriori} estimation. The potential to perform uncertainty quantification has not yet been realized. This paper introduces a variational iterative alternating scheme for hierarchical inverse problems with gamma hyperpriors. The proposed variational inference approach yields accurate reconstruction, provides meaningful uncertainty quantification, and is easy to implement. In addition, it lends itself naturally to conduct model selection for the choice of hyperparameters. We illustrate the performance of our methodology in several computed examples, including a deconvolution problem and sparse identification of dynamical systems from time series data.