Bayesian inverse problems with Gaussian priors
采用高斯先验的贝叶斯逆问题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：摘要讨论一般非参数逆问题与贝叶斯覆盖理论，未明确涉及所列经济计量细分方向。
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…
采用高斯先验的贝叶斯逆问题
- 研究问题
- 非参数逆问题中，高斯先验的平滑度与尺度如何影响后验收缩速度，以及贝叶斯可信集的频率学覆盖率？
- 方法与思路
- 作者分析真参数平滑度、先验平滑度与尺度的组合，并以从含噪原函数观测恢复函数的问题进行数值说明。
- 材料陈述的贡献
- 摘要称，合适的组合可达到极小极大收缩率；更平滑的先验可能导致零覆盖，更粗糙的先验则产生保守覆盖。
- 阅读关注点
- 应核对逆问题的观测模型、平滑度比较方式、先验尺度条件，以及可信集覆盖率和集合大小结论的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出具体收缩率、可信集构造及正则条件，覆盖结论不能无条件推广。
原文摘要
The posterior distribution in a nonparametric inverse problem is shown to contract to the true parameter at a rate that depends on the smoothness of the parameter, and the smoothness and scale of the prior. Correct combinations of these characteristics lead to the minimax rate. The frequentist coverage of credible sets is shown to depend on the combination of prior and true parameter, with smoother priors leading to zero coverage and rougher priors to conservative coverage. In the latter case credible sets are of the correct order of magnitude. The results are numerically illustrated by the problem of recovering a function from observation of a noisy version of its primitive.