通过滤波和函数近似进行贝叶斯参数估计
Bayesian Parameter Estimation via Filtering and Functional Approximations
AI总结：
本文探讨了通过模型输出与观测对比来确定参数的逆问题，介绍了高斯-马尔可夫-卡尔曼滤波在计算模型参数贝叶斯估计中的应用，并利用函数表示法简要说明了EnKF的实现。
摘要：
确定模型参数的逆问题通过将模型输出与观测进行比较来解决。这是使用高斯-马尔可夫-卡尔曼滤波进行计算模型参数贝叶斯估计和更新的描述。这是一种作用于随机变量的滤波器，尽管其蒙特卡洛变种——集合卡尔曼滤波器（EnKF）——相对简单，但我们随后仅借助函数表示法简要说明了其实现。
英文摘要：
The inverse problem of determining parameters in a model by comparing some output of the model with observations is addressed. This is a description for what hat to be done to use the Gauss-Markov-Kalman filter for the Bayesian estimation and updating of parameters in a computational model. This is a filter acting on random variables, and while its Monte Carlo variant --- the Ensemble Kalman Filter (EnKF) --- is fairly straightforward, we subsequently only sketch its implementation with the help of functional representations.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
