Probabilistic Digital Twin for Misspecified Structural Dynamical Systems via Latent Force Modeling and Bayesian Neural Networks
Department of Applied Mechanics, Indian Institute of Technology Delhi(印度理工学院德里分校应用力学系)
本文提出一种基于潜在力建模和贝叶斯神经网络的概率数字孪生框架,用于误指定结构动力学系统的响应预测,通过联合估计模型误差和系统状态以提升预测准确性与鲁棒性。
2025-11-27 cs.LG stat.AP stat.ML
Non-parametric Bayesian modelling of digital gene expression data
下一代测序技术为生成基因表达数据提供了革命性的工具。从固定的RNA样品开始,他们构建了数百万个差异丰富的短序列标签或“读段”的文库,这些标签或“读段”构成了基因表达水平的基本离散测量。在使用这些技术的实验中,一个常见的限制是生物学重复的数量少或甚至不存在,这使得数字基因表达数据的统计分析复杂化。对这类数据的分析通常基于最初为分析微阵列而设计的修改后的测试;这些甚至用于分析RNA-seq数据的从头方法都受到低复制的共同问题的困扰。我们提出了一种新的,非参数贝叶斯方法的数字基因表达数据的分析。我们开始与一个层次模型建模过分散的计数数据和阻塞吉布斯抽样算法推断模型参数的后验分布的条件下,这些计数。该算法通过将可能从共同分布中采样的具有标签计数的基因聚类在一起并使用该扩增样本来估计该分布的参数,来补偿生物复制数量少的问题。聚类的数量不是先验决定的,而是与剩余的模型参数一起推断的。我们证明了这种方法的能力,模型生物学数据与高保真度通过应用该算法从癌性和非癌性神经组织获得的公共数据集。
2013-01-17 q-bio.GN q-bio.QM stat.AP
An Improved and Extended Bayesian Synthetic Control
提出了一种改进和扩展的贝叶斯综合控制模型,扩展了Tuomaala 2019年的潜在因素模型。我们所做的更改包括:1)在模型拟合之前对数据进行标准化-这可以提高不同数据集的效率和泛化能力; 2)添加随时间变化的协变量; 3)添加具有多个治疗单位的能力; 4)在贝叶斯模型中拟合潜在因子;以及5)在自动调整潜在因子数量之前引入稀疏性。我们证明了估计值与Abadie,Diamond和Hainmueller 2010和Abadie,Diamond和Hainmueller 2015中的两个传统合成控制研究的相似性,并扩展到多个目标系列,其中一个新的例子是根据数字隐私法导致的数据收集变化估计数字网站访问量。
2021-03-30 stat.AP stat.ME
Machine learning based digital twin for stochastic nonlinear multi-degree of freedom dynamical system
Indian Institute of Technology Guwahati(印度理工学院古瓦哈提分校);Indian Institute of Technology Delhi(印度理工学院德里分校)
数字孪生技术的潜力是巨大的,特别是在基础设施、航空航天和汽车领域。然而,该技术的实际实施并没有达到预期的速度,特别是因为缺乏特定于应用的细节。针对随机非线性多自由度动力系统,提出了一种新的数字孪生框架。本文提出的方法战略性地将问题分解为两个时间尺度--(a)控制系统动态的快速时间尺度和(b)控制系统退化的慢速时间尺度。拟议的数字孪生模型有四个组成部分-(a)基于物理的名义模型(低保真),(b)贝叶斯过滤算法,(c)监督机器学习算法,(d)预测未来反应的高保真模型。采用基于物理的标称模型结合贝叶斯滤波的方法进行参数状态估计,并采用有监督的机器学习算法学习参数的时间演化。虽然所提出的框架可以与贝叶斯滤波和机器学习算法的任何选择一起使用,但我们建议使用无迹卡尔曼滤波器和高斯过程。所提出的方法的性能说明使用两个例子。结果表明,所提出的数字孪生框架的适用性和优异的性能。
2021-03-29 cs.LG stat.ML
Fast Bayesian Multilevel Quasi-Monte Carlo
Illinois Institute of Technology(伊利诺伊理工学院);Sandia National Laboratories(桑迪亚国家实验室)
本研究将多层拟蒙特卡洛问题重构到贝叶斯求积框架,提出自适应贝叶斯效用函数与自适应光滑性数字位移不变核,实现高效可靠的误差估计。
2025-10-28 stat.CO
How many data clusters are in the Galaxy data set? Bayesian cluster analysis in action
在基于模型的聚类中,Galaxy数据集通常被用作基准数据集,以研究不同建模方法的性能。Aitkin(2001年)比较了银河数据集的极大似然分析和贝叶斯分析,并对贝叶斯方法表示保留,因为所采用的事先假设仍然相当模糊,但在所获得的结果和得出的结论中起着重要作用。本文的目的是解决艾特金的关注的贝叶斯方法,阐明如何指定的先验影响估计集群的数量。我们对有限混合模型的混合模型进行了不同先验规范的敏感性分析,该混合模型包括关于组分数量的先验。我们使用一个全面的析因设计,并评估其对银河数据集的聚类估计数的影响,一套广泛的不同的先验规范。结果突出了先前规格的相互作用的影响,并提供了建议,以获得一个稀疏的聚类解决方案的先验规格的见解。人工数据的模拟研究提供了进一步的经验证据来支持建议。对先验规范影响的清晰理解消除了由于选择合适先验的复杂性而阻止使用贝叶斯方法的限制。此外,可以有意地利用先验的正则化属性来获得满足应用的先验期望和需求的合适的聚类解决方案。
2021-08-16 stat.AP
Sensitivity Analysis of Priors in the Bayesian Dirichlet Auto-Regressive Moving Average Model
本文通过模拟与标普500行业权重数据,系统评估了五种先验在B-DARMA模型中的表现,发现收缩先验(尤其horseshoe)能抑制过拟合噪声,但无法修复滞后阶数误设,强调正确滞后选择与收缩强度匹配的重要性。
2025-06-18 stat.AP stat.ME
Individual participant data from digital sources informed and improved precision in the evaluation of predictive biomarkers in Bayesian network meta-analysis
本文提出一种结合聚合数据与个体参与者数据的贝叶斯网络荟萃回归模型,用于评估预测性生物标志物和靶向治疗,并通过乳腺癌和结直肠癌实例证明该方法可将亚组疗效估计的不确定性降低最多49%。
2023-08-07 stat.AP stat.ME
Bayesian Inference for Stationary Points in Gaussian Process Regression Models for Event-Related Potentials Analysis
本文提出一种半参数贝叶斯方法,利用高斯过程和导数约束推断非参数函数驻点位置,并在个体水平上自动识别ERP特征成分及其潜伏期,揭示言语感知过程随年龄的变化。
2021-12-16 stat.ME
Quantifying and Attributing Submodel Uncertainty in Stochastic Simulation Models and Digital Twins
Texas A&M University(德克萨斯农工大学);Intuit AI(直觉人工智能)
本文提出了一种量化和归因子模型不确定性的框架,用于随机模拟模型和数字孪生,通过重要性分数分解总输出变异性,以提高系统性能评估的准确性。
2026-02-18 stat.CO stat.ME stat.ML
Uncertainty Estimation in Deep Neural Networks for Point Cloud Segmentation in Factory Planning
BMW Group(宝马集团);Alpen-Adria Universität(阿尔卑斯-亚德里亚大学)
数字化工厂无疑为未来的生产系统在效率和效益方面提供了巨大的潜力。实现真实工厂的数字复制的一个关键方面是基于3D数据对复杂室内环境的理解。为了生成包括主要组件(即建筑部件、产品资产和工艺细节)的精确工厂模型,可以使用先进的深度学习方法处理数字化过程中收集的3D数据。在这项工作中,我们提出了一个完全贝叶斯和近似贝叶斯神经网络的点云分割。这使我们能够分析这些网络中估计不确定性的不同方法如何改善原始3D点云的分割结果。我们实现了优越的模型性能,贝叶斯和近似贝叶斯模型相比,频率。当将网络的不确定性纳入其预测时,这种性能差异变得更加惊人。为了进行评估,我们使用了科学数据集S3DIS以及作者在德国汽车生产厂收集的数据集。在这项工作中提出的方法导致更准确的分割结果和不确定性信息的纳入,使这种方法特别适用于安全关键应用。
2020-12-13 cs.CV stat.ML
Exploring natural variation in tendon constitutive parameters via Bayesian data selection and mixed effects models
本文通过贝叶斯混合效应模型结合分层贝叶斯数据选择方法,分析马群中SDFT和CDET肌腱本构参数的自然变异,发现CDET更硬且胶原相关参数更高,为肌腱力学特性的群体差异研究提供方法与数据支持。
2025-08-22 stat.AP
Learning Physics between Digital Twins with Low-Fidelity Models and Physics-Informed Gaussian Processes
NTNU(挪威科技大学)
针对数字孪生需融合不完善物理知识并跨个体学习的问题,提出带模型偏差项的贝叶斯层次建模框架,结合低保真模型与物理信息高斯过程,实验验证其能降低不确定性且无过自信问题。
2023-05-02 cs.LG stat.ME stat.ML
The Stanford Acuity Test: A Precise Vision Test Using Bayesian Techniques and a Discovery in Human Visual Response
Stanford University(斯坦福大学)
基于图表的视力测量被数十亿人用于诊断和指导视力障碍的治疗。然而,无处不在的眼科检查没有推理不确定性的机制,因此,遭受了有据可查的再现性问题。在本文中,我们做了两个核心贡献。首先,我们发现了一个新的参数概率模型的基础上详细测量的眼病患者的视力反应。然后,我们提出了一种自适应的,数字眼科检查使用现代人工智能技术,大大减少了现有方法的敏锐度检查错误,同时还引入了新的能力,模拟自己的不确定性,并纳入事先的信念。使用标准评估指标,我们估计与普遍存在的基于图表的眼科检查相比,预测误差减少了74%,与以前最好的数字检查相比,减少了67%。对于患有眼科疾病的患者,在家中精细测量视力的新能力可能是早期诊断的关键部分。我们提供了我们的算法的Web实现,供世界上任何人使用。本文的见解也提供了有趣的影响领域的心理测量项目反应理论。
2019-11-22 cs.AI stat.AP
Aerodynamic Data Fusion Towards the Digital Twin Paradigm
Georgia Institute of Technology(佐治亚理工学院)
我们考虑融合两个气动数据集源于不同保真度的物理或计算机实验。我们具体解决的融合:1)噪声和不完整的领域,从风洞测量和2)确定性,但有偏见的领域,从数值模拟。这两个数据源被融合,以便估计与用作地面实况的测量量最佳匹配的\emph{true}字段。例如,根据风洞实验测得的力和力矩,融合了飞机周围的两个压力场源。这个问题的一个基本挑战是真实场是未知的,并且不能以100%的确定性来估计。我们采用贝叶斯框架来推断以感兴趣的测量量为条件的真实场;本质上,我们对数据执行\emph{statistical correction}。融合后的数据可用于构建更精确的代理模型,适用于航空航天设计的早期阶段。我们还介绍了适当的正交分解的限制,以解决同样的问题。这两种方法在跨音速条件下融合RAE 2822翼型和通用研究模型机翼的压力分布上得到了验证。这两种方法的比较表明,贝叶斯方法是更强大的数据时,稀缺的,同时也能够占数据中的不确定性。此外,如果有足够的数据,基于POD的方法和贝叶斯方法会产生\emph{similar}结果。
2019-11-02 cs.CE cs.LG stat.ML
Online Bayesian Calibration under Gradual and Abrupt System Changes
Department of Industrial and Systems Engineering(工业与系统工程系);University of Washington(华盛顿大学);Seattle, WA 98195(华盛顿州西雅图98195)
本文提出BRPC框架,用于处理流数据中的系统渐进变化和突发变化,通过分离校准参数更新和偏差更新,提升校准精度和鲁棒性。
2026-11-03 cs.ET cs.LG stat.ML
Bayesian Inference of Fiber Orientation and Polymer Properties in Short Fiber-Reinforced Polymer Composites
我们提出了一个贝叶斯方法来推断的弹性模量的组成聚合物和纤维取向状态的短纤维增强聚合物复合材料(SFRP)。仅用几个实验测试就可反推其性质。为SFRP复合材料工艺开发复合材料制造数字孪生模型,包括注塑成型和挤出沉积增材制造(EDAM),需要大量的实验材料表征。特别是,表征复合材料的机械性能是耗时的,因此,细观力学模型被用来充分识别的弹性张量。因此,本文的目的是推断的纤维取向和有效的聚合物模量,因此,确定的弹性张量的复合材料与最小的实验测试。为此,我们开发了一个分层贝叶斯模型,再加上一个微观力学模型来推断纤维的取向和聚合物的弹性模量,同时,我们然后用它来估计复合材料的弹性张量。我们激励和演示的EDAM过程的方法,但发展是这样的,它是适用于其他SFRP复合材料通过其他方法处理。我们的研究结果表明,该方法提供了一个可靠的框架的推理,只有三个拉伸测试,而占认知和偶然的不确定性。后验预测检验表明,该模型能够很好地再现实验数据。贝叶斯方法校准材料特性及其相关不确定性的能力,使其成为一种有前途的工具,用于实现复合材料制造数字孪生的概率预测框架。
2022-02-25 cond-mat.mtrl-sci stat.AP
Classifying Crop Types using Gaussian Bayesian Models and Neural Networks on GHISACONUS USGS data from NASA Hyperspectral Satellite Imagery
University of Virginia, School of Data Science(弗吉尼亚大学数据科学学院)
高光谱成像是一种数字成像,其中每个像素通常包含数百种波长的光,提供有关像素中存在的材料的光谱信息。在本文中,我们提供了用于确定USGS GHISACONUS数据中作物类型的分类方法,该数据包含来自美国五种主要农作物(冬小麦,水稻,玉米,大豆和棉花)的约7,000个像素光谱,这些光谱由美国宇航局卫星收集,包括光谱,地理位置,作物类型和每个像素的生长阶段。我们应用标准LDA和QDA以及贝叶斯自定义版本,计算作物类型和阶段的联合概率,然后计算作物类型的边际概率,优于非贝叶斯方法。我们还测试了一个单层的神经网络与辍学的数据,其表现与LDA和QDA,但不如贝叶斯方法。
2022-07-21 cs.AI cs.CV stat.AP
Prognostics of Multisensor Systems with Unknown and Unlabeled Failure Modes via Bayesian Nonparametric Process Mixtures
Department of Industrial and Systems Engineering, University of Florida(工业与系统工程系,佛罗里达大学);School of Forest, Fisheries, and Geomatics Sciences, University of Florida(森林、渔业与地理科学学院,佛罗里达大学)
本文提出了一种基于贝叶斯非参数过程混合的预测框架,用于处理多传感器系统中未知和未标记故障模式的预测问题,通过迭代反馈机制实现故障模式的动态推断和预测准确性提升。
2026-02-22 cs.LG stat.AP
Building Population-Informed Priors for Bayesian Inference Using Data-Consistent Stochastic Inversion
本文提出利用数据一致性反演(DCI)技术,从群体级数据中构建群体信息先验,以在观测数据有限时有效约束贝叶斯推断的不确定性,并从理论和数值实验上证明了该方法能显著提升个体化推断的信息增益。
2025-06-24 stat.ME
Scalable Bayesian Inference for Finding Strong Gravitational Lenses
在天文图像中找到强引力透镜,使我们能够评估宇宙学理论,了解宇宙的大尺度结构。以前的作品镜头检测不量化镜头参数估计或规模的现代调查的不确定性。我们提出了一个完全摊销的贝叶斯过程,镜头检测,克服了这些限制。与传统的变分推理不同,在传统的变分推理中,训练最小化反向Kullback-Leibler(KL)发散,我们的方法是用预期的正向KL发散训练的。使用合成GalSim图像和真实的斯隆数字巡天(SDSS)图像,我们证明了用前向KL训练的摊销推理在镜头检测和参数估计中产生了校准良好的不确定性。
2022-11-18 astro-ph.IM stat.AP
Fraud Detection via Bayesian Positive-Unlabeled Learning with Gaussian Processes and Multilayer Networks
University of the Aegean(爱琴海大学);Athens University of Economics and Business(雅典经济与商业大学);University College London(伦敦大学学院);London School of Economics(伦敦政治经济学院)
提出贝叶斯正例-未标注分类框架,结合高斯过程与多层网络检测税务欺诈,在希腊能源市场案例中验证了高排序性能并识别高风险企业。
2026-10-02 stat.ME
Bayesian Landmark-based Shape Analysis of Tumor Pathology Images
医学成像是一种技术形式,在过去的一个世纪里彻底改变了医学领域。除了肿瘤组织的放射学成像外,以高空间分辨率捕获组织学细节的数字病理学成像正迅速成为癌症诊断支持和治疗计划的常规临床程序。深度学习方法的最新发展有助于从数字病理图像中几乎在细胞水平上分割肿瘤区域。在放射学中开发用于表征肿瘤边界粗糙度的传统形状特征不适用。迫切需要可靠的统计方法来建模病理图像中的肿瘤形状。在本文中,我们考虑的问题建模的肿瘤边界与一个封闭的多边形链。提出了一种基于贝叶斯标志的形状分析(BayesLASA)模型,将多边形链划分为互斥的段,以分段量化边界粗糙度。我们的完全贝叶斯推断框架提供了地标的数量和位置的不确定性估计。贝叶斯LASA优于最近开发的平面弹性曲线的地标检测模型的准确性和效率。我们通过对143名非小细胞肺癌患者的246张病理图像的案例研究,展示了这种基于模型的分析如何比普通方法更清晰地推断。病例研究表明,肿瘤边界粗糙度的异质性预测患者预后(p值< 0.001)。这种统计方法学不仅提出了一种新的模型,通过使用其标志来表征数字化对象的形状特征,而且还提供了一个新的视角来理解肿瘤表面在癌症进展中的作用。
2020-11-24 stat.AP stat.ME
Bayesian Prognostic Covariate Adjustment With Additive Mixture Priors
本文提出 Bayesian PROCOVA,用 DTG 生成的预后评分调整协变量,并以可预指定的加性混合先验融合历史对照信息,从而在控制偏倚的同时降低方差、缩小试验规模。
2024-02-28 stat.AP stat.ME stat.ML
Bayesian Estimation of a Gaussian source in Middleton's Class-A Impulsive Noise
研究了加性A类脉冲噪声干扰下高斯信源的最小均方误差(MMSE)贝叶斯估计问题。除了最优贝叶斯估计,本文还考虑了软限幅器和消隐器,这是两个流行的次优估计,其特点是非常低的复杂性。这种次优估计的MMSE最优阈值是通过具有快速收敛性的实用迭代算法获得的。本文还根据最大信噪比(MSNR)准则推导了最佳门限,并与MMSE准则建立了联系。此外,封闭形式的解析表达式推导出的MSE和SNR的所有次优估计,这完全符合仿真结果。值得注意的是,这些结果可以被应用到表征任何多载波系统的接收性能受损的高斯混合噪声,如非对称数字用户线路(ADSL)和电力线通信(PLC)。
2012-12-11 cs.IT math.IT stat.AP
Bayesian Despeckling of Structured Sources
Rutgers University(罗格斯大学)
针对相干成像中的散斑噪声,提出一种适用于一般结构化平稳随机源的贝叶斯散斑去噪方法,在分段常数源和1-Markov源上验证了有效性并推导了性能下界。
2025-01-30 cs.IT cs.LG math.IT
Linear Noise Approximation Assisted Bayesian Inference on Mechanistic Model of Partially Observed Stochastic Reaction Network
Northeastern University(东北大学)
本文针对部分观测的酶催化随机反应网络,提出融合机理模型结构的贝叶斯更新线性噪声近似元模型来近似观测似然,并利用似然梯度加速MCMC后验采样,为生物制造数字孪生提供高效贝叶斯推断方法。
2024-06-28 cs.LG stat.ML
A Bayesian Multilevel Random-Effects Model for Estimating Noise in Image Sensors
传感器噪声源导致单个图像中的像素和多个图像中记录的信号的差异。本文提出了一种贝叶斯方法来分解和表征数字相机成像中涉及的传感器噪声源。贝叶斯概率模型的基础上的(理论)模型的噪声源在图像传感适合一组的时间序列的图像具有不同的反射率和波长下控制照明条件。图像传感模型是一个复杂的模型,有几个相互作用的组件依赖于反射率和波长。贝叶斯方法的属性定义的条件依赖性参数之间的完全概率模型,传播所有来源的不确定性的推断,使贝叶斯建模框架更有吸引力和强大的比经典的方法接近的图像传感模型。一个可行的对应噪声参数,其预期的理论行为和校准后的预测分布与一个小的均方根误差模型预测已在这项研究中实现,从而表明,所提出的模型准确地近似的图像传感模型。贝叶斯方法可以扩展到制定进一步的组件,旨在识别成像过程的更具体的参数。
2020-04-24 eess.IV stat.AP
A Bayesian Mark Interaction Model for Analysis of Tumor Pathology Images
随着成像技术的进步,肿瘤组织切片的数字病理成像正在成为癌症诊断的常规临床程序。该过程产生大量成像数据,以高分辨率捕获组织学细节。深度学习方法的最新发展使我们能够从大规模的数字病理图像中识别和分类单个细胞。随机分布的单元可以从标记点过程中考虑,其中每个点由其位置和单元类型定义。可靠的统计方法来模拟这种标记的空间点模式,可以提供新的洞察肿瘤的进展和阐明癌症的生物学机制。在本文中,我们考虑的问题建模的空间相关性之间的三个常见的细胞(即淋巴细胞,基质和肿瘤)观察到的肿瘤病理图像。在贝叶斯框架下提出了一种新的标记点过程标记模型,该模型具有可解释的基本参数(其中一些具有临床意义)。我们使用马尔可夫链蒙特卡罗(MCMC)抽样技术,结合双大都市黑斯廷斯(DMH)算法,从后验分布与一个棘手的归一化常数。在基准数据集上,我们展示了这种基于模型的分析如何比普通的探索性分析更清晰地得出推论。最后,我们对来自国家肺筛查试验的188名肺癌患者的病理图像进行了案例研究。结果表明,肿瘤和基质细胞之间的空间相关性预测患者的预后。这种统计方法学不仅为表征多类型空间点模式中的空间相关性提供了新的模型,而且为理解细胞-细胞相互作用在癌症进展中的作用提供了新的视角。
2018-02-22 stat.AP stat.ME
Financial Applications of Gaussian Processes and Bayesian Optimization
在过去的五年里,金融行业受到数字化和机器学习的影响。在这篇文章中,我们探讨了近年来发展迅速的两种方法:高斯过程和贝叶斯优化。高斯过程可以被看作是高斯随机向量的推广,并且与核方法的发展相关联。贝叶斯优化是一种在小维度上执行无导数全局优化的方法,并使用高斯过程来定位黑盒函数的全局最大值。本文的第一部分回顾了这两个工具,并展示了它们是如何连接的。特别是,我们专注于高斯过程回归,这是贝叶斯机器学习的核心,以及超参数选择的问题。第二部分介绍两个金融应用程序。我们首先考虑利率期限结构的建模。更确切地说,我们测试了拟合方法,并比较了GP预测和随机游走模型。第二个应用是趋势跟踪策略的构建,特别是趋势和协方差窗口的在线估计。
2019-03-12 q-fin.PM stat.ML
Iterative Posterior Inference for Bayesian Kriging
提出了一种估计标准地质统计模型的后验分布的方法。在选择模型公式并指定先验之后,我们使用正态混合密度来近似后验分布。迭代地改进近似。讨论了正常混合密度估计中的一些困难,包括确定带宽和局部化的调谐参数。该方法适用于其他模型公式,只要所有的参数,或其变换,被定义在整个实数线,$(-\infty, \infty)$。避免了后验推理中的特殊处理,如对无界参数施加边界或离散连续参数。通过两个实例说明了该方法,一个使用数字高程数据,另一个使用历史土壤湿度数据。这些例子特别考察了迭代中近似后验分布的收敛性。
2014-09-09 stat.ME
Attentive Neural Processes and Batch Bayesian Optimization for Scalable Calibration of Physics-Informed Digital Twins
Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
基于物理信息的动态系统模型是构建环境的数字孪生的关键组成部分。这些数字孪生可用于设计节能基础设施,但必须进行适当校准,以准确反映系统行为,用于下游预测和分析。现代建筑物的动力系统模型通常由大量参数描述,并且在仿真期间产生显著的计算开销。为了在不进行过度模拟的情况下处理数字孪生的大规模校准,我们提出了ANP-BBO:一种利用注意神经过程(ANP)的可扩展和可并行的批量贝叶斯优化(BBO)方法。
2021-06-29 cs.AI cs.LG math.OC
Probabilistic digital twins for geotechnical design and construction
针对传统数字孪生未考虑AECOM项目不确定性的问题,提出概率数字孪生(PDT)框架,通过整合并传递各类不确定性及利用贝叶斯方法更新模型,提升岩土设计与施工中的决策准确性与项目效果。
2024-12-12 stat.AP
Analog Bayesian neural networks are insensitive to the shape of the weight distribution
Sandia National Laboratories(桑迪亚国家实验室)
针对模拟硬件难以精确控制 MFVI 噪声分布形状的问题,本文提出直接使用真实器件噪声作为变分分布训练 BNN,并证明预测分布仅取决于权重均值与方差。
2025-01-09 cs.AR cs.LG stat.ML
Risk Twin: Real-time Risk Visualization and Control for Structural Systems
本文提出Risk Twin,一种用于结构系统实时风险可视化与控制的专用数字孪生方法,结合结构可靠性与贝叶斯推断,并采用无仿真方案实现实时推断与可靠性更新。
2024-08-27 stat.AP
Process-fracture mapping of a DLP-printed photopolymer using Bayesian active learning and surrogate-based sensitivity analysis
Louisiana State University(路易斯安那州立大学);University of Minnesota(明尼苏达大学)
本研究结合贝叶斯主动学习与代理模型灵敏度分析,通过DIC辅助实验高效建立DLP打印光敏聚合物的工艺-断裂映射,明确紫外曝光时间为核心工艺变量。
2026-08-13 cond-mat.mtrl-sci stat.AP
Probabilistic machine learning based predictive and interpretable digital twin for dynamical systems
Indian Institute of Technology Delhi(印度理工学院德里分校);University of Glasgow(格拉斯哥大学)
提出了一种从基于物理的函数库中创建和更新动力系统数字孪生的框架。稀疏贝叶斯机器学习用于更新和导出数字孪生的可解释表达式。提出了两种更新数字孪生模型的方法。第一种方法利用来自动力系统的输入和输出信息,而第二种方法利用仅输出的观测来更新数字孪生。这两种方法都使用代表某些物理的候选函数库来推断现有数字孪生模型中的新扰动项。在这两种情况下,更新后的数字孪生子的表达是相同的,此外,认知的不确定性被量化。在第一种方法中,回归问题是从一个状态空间模型,而在后一种情况下,输出的唯一信息被视为一个随机过程。利用伊藤演算和Kramers-Moyal展开的概念导出回归方程。所提出的方法的性能证明使用高度非线性动力系统,如裂纹退化问题。数值结果表明,本文几乎准确地确定正确的扰动项及其相关参数的动力系统。所提出的方法的概率性质也有助于量化与更新模型相关的不确定性。所提出的方法提供了对数字孪生模型中扰动的准确和可解释的描述,可直接用于更好的网络物理集成、长期未来预测、退化监测和模型不可知控制。
2022-12-19 cs.LG stat.ML
Bayesian Networks for Dependability Analysis: an Application to Digital Control Reliability
贝叶斯网络(BN)提供了强大的概率推理方法下的不确定性,但尽管其形式的理由是严格基于条件依赖的概念,并没有太多的关注,迄今为止,他们在可靠性分析中的使用。本文的目的是提出BN作为一个合适的工具,可靠性分析,通过挑战形式主义与可靠性任务中出现的基本问题。我们将讨论BN如何自然地处理建模和分析问题。此外,我们将展示如何使用BN克服组合可靠性方法(如故障树)的一些固有局限性。这将是追求通过一个现实世界的例子研究有关的可靠性分析的冗余数字可编程逻辑控制器(PLC)与多数表决2:3
2013-01-23 cs.AI
A Bayesian Approach to Identify Bitcoin Users
比特币是一种数字货币和电子支付系统,在互联网上的点对点网络上运行。它最重要的属性之一是它为用户提供的高级别匿名性。用户通过他们的比特币地址来识别,这些地址是交易公共记录中的随机字符串,即区块链。当用户发起比特币交易时,他的比特币客户端程序通过比特币网络将消息中继给其他客户端。监视这些信息的传播并仔细分析它们,可以揭示隐藏的关系。在本文中,我们使用概率方法开发了一个数学模型,将比特币地址和交易与发起者IP地址联系起来。为了利用我们的模型,我们在网络中安装了100多个经过修改的比特币客户端,以观察尽可能多的消息。在两个月的观察期内,我们能够识别出数千个比特币客户,并将他们的交易绑定到地理位置。
2017-03-09 cs.CR stat.AP
A Two-Stage Bayesian Small Area Estimation Approach for Proportions
本文提出一种两阶段贝叶斯层次小区域估计方法,用于在数据稀疏或缺失调查数据时稳健估计比例,并通过模拟和澳大利亚吸烟流行率实证验证其预测性能优于现有方法。
2023-12-05 stat.AP stat.ME
Bayesian anti-sparse coding
稀疏表示已经证明了它们在解决信号和图像处理中遇到的广泛的一类逆问题的效率。相反,强制信息均匀地分布在表示系数上,在诸如数字通信的各种应用中表现出相关的性质。反稀疏正则化可以通过$\ell_{\infty}$ -范数惩罚自然地表达。本文推导出这种表示的概率公式。首先介绍了一种新的概率分布,称为民主先验。它的主要性质,以及三个随机变量生成器的分布。然后,这个概率分布被用作一个先验,以促进反稀疏的高斯线性逆问题,产生一个完全贝叶斯公式的反稀疏编码。提出了两种根据后验分布生成样本的马尔可夫链蒙特卡罗(MCMC)算法。第一个是标准吉布斯采样器。第二个使用Metropolis-Hastings移动,利用对数后验分布的邻近映射。这些样本用于近似参数和超参数的最大后验和最小均方误差估计。模拟合成数据说明了这两个建议的采样器的性能,完全和过完备字典。所有结果进行比较,最近确定性变分FITRA算法。
2015-12-18 physics.data-an stat.ME stat.ML
A Bayesian Hyperprior Approach for Joint Image Denoising and Interpolation, with an Application to HDR Imaging
Duke University(杜克大学);Télécom ParisTech, Université Paris-Saclay(巴黎高科电信学院,巴黎-萨克雷大学);Université Paris Descartes(巴黎笛卡尔大学);Universidad de la República(共和国大学)
最近,令人印象深刻的去噪结果已经取得了贝叶斯方法,假设高斯模型的图像补丁。这种性能上的改进可以归因于每补丁模型的使用。不幸的是,这种方法对于除噪之外的大多数逆问题特别不稳定。在这项工作中,我们提出了使用超先验模型图像补丁,以稳定的估计过程。所提出的恢复方案有两个主要优点:首先,它适用于对角退化矩阵,特别是缺失数据问题(例如缺失像素的修复或缩放)。其次,它可以处理信号相关的噪声模型,特别适合于数码相机。因此,该方案特别适用于计算摄影。为了说明这一点,我们提供了一个应用程序的高动态范围成像从一个单一的图像与修改后的传感器,这表明所提出的计划的有效性。
2017-06-10 cs.CV eess.IV stat.ML
Bayesian Sequentially Monitored Multi-arm Experiments with Multiple Comparison Adjustments
随机实验在许多不同领域和学科的数据驱动决策中发挥着重要作用。例如,在医学领域,随机对照试验(RCT)是检验新药和疗法与现有疗法或安慰剂相比的疗效的临床试验方法的支柱。在商业和市场营销中,当实验中只有两个组或变量时,随机实验通常被称为A/B测试,当有两个以上组时,称为多变量A/B测试。A/B测试的典型应用包括比较不同广告活动的有效性,评估人们对不同网站布局的反应,或比较不同的客户群。本文从数字营销的角度关注多变量A/B测试,并提出了一种方法,用于对此类实验进行顺序监控,同时考虑多重比较问题。在适应和结合的方法,两个以前的作品,本文提出的方法是直接使用标准的统计软件实现,并在各种模拟研究中表现得很好,表现出更好的权力和更小的平均样本量比可比的方法。
2016-08-29 stat.AP stat.ME
Quick and energy-efficient Bayesian computing of binocular disparity using stochastic digital signals
ISIR CNRS/UPMC(法国国家科学研究中心/巴黎第六大学智能系统与机器人研究所)
利用双目视差信息重建视觉场景的三维几何结构是计算机视觉和移动机器人领域的一个重要问题,它可以用贝叶斯推理问题来描述。然而,使用高级贝叶斯模型计算全视差分布通常是一个棘手的问题,并且即使使用简单的模型也证明在计算上具有挑战性。在本文中,我们将展示如何使用分布式内存和交替表示的数据作为随机比特流的概率硬件可以解决这个问题,具有高性能和能源效率。我们提出了一种方法来表示离散概率分布使用随机数据表示和贝叶斯融合使用这些表示,并显示该方法可以应用于偶校验计算。我们评估系统使用模拟随机实现,并讨论可能的硬件实现这种架构和它们的潜力,感觉运动处理和机器人。
2016-10-31 cs.AI cs.CV
Bayesian-Monte Carlo Schedule Updating for Construction Digital Twins: A Probabilistic Framework for Dynamic Project Forecasting
Department of Civil Engineering, The University of Texas at Arlington(德克萨斯理工大学土木工程系);The University of Texas at Arlington(德克萨斯理工大学)
本文提出了一种基于贝叶斯-蒙特卡罗的概率调度更新框架,用于施工数字孪生环境,通过整合随机活动持续时间建模、贝叶斯递归更新、蒙特卡罗模拟和不确定性传播,实现动态项目预测。
2026-05-17 cs.AI cs.CE
Bayes-DIC Net: Estimating Digital Image Correlation Uncertainty with Bayesian Neural Networks
Department of Mechanical Engineering, University of Michigan(密歇根大学机械工程系);School of Mechanical Science and Engineering, Huazhong University of Science and Technology(华中科技大学机械科学与工程学院);Department of Mechanical Engineering, Northwestern University(西北大学机械工程系);School of Artificial Intelligence and Robotics, Hunan University(湖南大学人工智能与机器人学院)
贝叶斯DIC网络通过生成高质量DIC数据集和引入贝叶斯神经网络,提升位移场预测的准确性和可靠性。
2025-12-03 cs.AI cs.CE cs.CV
A packet-level digital hardware twin for commissioning megahertz diagnostic edge AI and plasma control system integration in tokamaks
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);SLAC National Accelerator Laboratory(SLAC国家加速器实验室);General Atomics(通用原子公司)
本文提出一种分组级数字硬件孪生,用于模拟托卡马克兆赫兹诊断边缘AI系统,以测试诊断到控制接口及故障安全行为,实现91.6微秒中位延迟。
2026-09-29 cs.AI physics.plasm-ph