Physics-Guided Conditional Flow Matching with Energy Regularization for Robust PDE Inverse Problems
Zhejiang University(浙江大学);Texas Tech University(德克萨斯理工大学)
针对稀疏、含噪和损坏观测下的PDE反问题,提出两阶段流匹配框架(PG-CFM与ERFM),通过物理残差正则化和能量重加权提升鲁棒性,在泊松和纳维-斯托克斯基准上优于现有方法。
2026-09-15 cs.NA math.NA
Tikhonov regularization in Hilbert scales under conditional stability assumptions
TU Darmstadt(达姆施塔特工业大学);TU Chemnitz(开姆尼茨工业大学)
本文研究了在条件稳定性假设下,利用Tikhonov正则化在Hilbert尺度中求解非线性反问题,建立了前验和后验参数选择策略的最优收敛率,并探讨了隐藏源条件的作用及与Hilbert尺度正则化结果的关系。
2018-07-16 cs.NA math.NA
Case studies and a pitfall for nonlinear variational regularization under conditional stability
Faculty of Mathematics, Chemnitz University of Technology(化学nitz工业大学数学学院)
本文研究了非线性ill-posed算子方程在Hilbert尺度中的Tikhonov正则化,探讨了在条件稳定性估计下的收敛性和收敛速度,并通过数值案例研究展示了稳定性估计错误可能带来的问题。
2019-05-28 cs.NA math.NA
Convergence rates of Landweber-type methods for inverse problems in Banach spaces
本文解决了Landweber型方法求解不适定反问题的收敛速率难题,在基准源条件下提出新策略,支持先验停止规则、偏差原理及可变步长,并扩展至随机镜像下降方法,获得了几乎必然收敛速率。
2024-11-14 cs.NA math.NA
Convexification for an Inverse Parabolic Problem
提出了一种求解抛物型偏微分方程系数反问题的基于凸化的数值方法。该方法的关键是在数值格式中引入了所谓的Carleman权函数。收敛性分析确保了该方法的整体收敛,而不是传统的最小二乘最小化技术的局部收敛。数值结果表明,该算法具有良好的性能。
2020-01-08 cs.NA math.NA
Stochastic convergence of regularized solutions and their finite element approximations to inverse source problems
本文研究了偏微分方程源反问题的正则化解及其有限元解,建立了在逐点测量数据和随机噪声下这些解的随机收敛性和最优有限元收敛速度.与大多数现有的正则化理论不同,正则化误差估计不需要任何源条件,而有限元解的误差估计显示了它们与噪声水平、正则化参数、网格步长和时间步长的显式依赖关系,这可以指导实际应用中这些关键参数的实际选择。误差估计还提出了一个迭代算法,用于确定最佳的正则化参数。数值实验证明了分析结果的有效性。
2021-10-22 cs.NA math.NA
The dependency of spectral gaps on the convergence of the inverse iteration for a nonlinear eigenvector problem
本文研究Gross-Pitaevskii特征向量问题的广义逆迭代收敛性,证明其线性收敛速率与线性化算子第一谱隙相关,建立无阻尼逆迭代局部收敛结果并推广至扩展方法,解释了谱移效果不佳的原因并通过数值实验验证。
2024-03-08 cs.NA math.NA
Verifiable Regularity Criterion for Conditional Expectation Operators and Conditional Mean Embeddings with Applications to Nonparametric Regression, Bayesian Inverse Problems, and Koopman Operators
Technische Universität Ilmenau(伊尔梅瑙工业大学);Freie Universität Berlin(柏林自由大学);Chemnitz University of Technology(开姆尼茨工业大学)
该研究提出了条件期望算子与条件均值嵌入的可验证正则性准则,验证其在三类场景下的适用性,为相关领域提供了统一分析框架。
2026-08-07 cs.LG cs.NA math.DS
Convergence of Probability Densities using Approximate Models for Forward and Inverse Problems in Uncertainty Quantification
Sandia National Labs(桑迪亚国家实验室)
本文研究了利用近似模型进行正向和逆向问题的概率密度函数收敛性,证明了当近似模型趋近于真实模型时,正向和逆向问题得到的概率密度会收敛到真实概率密度,并通过数值结果展示了稀疏网格近似和标准空间时间离散化在PDE和ODE中的最优收敛性。
2018-07-01 cs.NA math.NA
Conditional well-posedness and data-driven method for identifying the dynamic source in a coupled diffusion system from one single boundary measurement
针对时域FDOT逆动态源问题,建立唯一性与Lipschitz型条件稳定性,基于DNN框架开展数值反演并推导泛化误差估计,提出重建算法并验证性能。
2024-05-13 cs.NA math-ph math.AP
Linear convergence of a one-cut conditional gradient method for total variation regularization
University of Twente(特温特大学);Humboldt-Universität zu Berlin(柏林洪堡大学)
本文提出了一种总变分正则化的单次切割条件梯度方法,证明其在二维设置下的线性收敛性,并通过数值实验验证了其收敛行为。
2026-08-13 cs.NA math.NA math.OC
Optimal Convergence Rates Results for Linear Inverse Problems in Hilbert Spaces
University of Vienna(维也纳大学);Rice University(莱斯大学)
本文研究了Hilbert空间中线性病态算子方程正则化方法的最优收敛速率,推广了现有结果到一般源条件,如对数源条件,并探讨了变分源条件与近似源条件的关系。
2015-11-10 cs.NA math.FA math.NA
An adjoint-free integral feedback method for a parabolic inverse source problem with conditional stability
State University of New York, Geneseo(纽约州立大学杰尼瑟奥分校)
针对带条件稳定性的抛物型逆源问题,提出无伴随积分反馈方法,通过正向求解实现源项重构,经分析该方法为迭代正则化方案,数值实验验证了其重构的准确性与稳定性。
2026-08-18 cs.NA math.AP math.NA
An Unconditional Representation of the Conditional Score in Infinite-Dimensional Linear Inverse Problems
School of Engineering Science(工程科学学院);Lappeenranta-Lahti University of Technology(拉普兰塔-拉赫蒂技术大学);Vienna University of Technology (TU Wien)(维也纳技术大学);Department of Mathematics and Statistics(数学与统计学系);University of Helsinki(赫尔辛基大学);Department of Computational and Applied Mathematics(计算与应用数学系);Rice University(里士满大学)
本文提出了一种针对线性逆问题的无条件条件分数表示方法,通过离线训练避免正向模型评估,实现高效且精确的采样。
2025-11-22 cs.LG cs.NA math.AP
A note on $Γ$-convergence of Tikhonov functionals for nonlinear inverse problems
利用Tikhonov泛函研究了巴拿赫空间中非线性反问题的变分正则化。本文讨论了一类Tikhonov泛函的$Γ$ -收敛性问题,并证明了它们各自的下确界的收敛性。这样的问题出现,如果模型的不确定性,不准确的前向运营商,有限维近似的前向解决方案和/或数据等,使评估的原始功能不可能,因此,它的极小不可计算。但对于实际应用来说,替换泛函的极小元逼近原极小元是至关重要的。在某些附加条件下,如果近似泛函在$Γ$ -收敛的意义下收敛到原泛函,则满足这一条件。我们推导出简单的标准,在不同的拓扑结构,保证$Γ$收敛以及收敛的极小化序列。
2022-08-11 cs.NA math.FA math.NA
A generalized conditional gradient method for dynamic inverse problems with optimal transport regularization
本文提出 DGCG 算法,通过基于 Benamou-Brenier 能量原子的稀疏添加与系数优化,求解最优传输正则化动态反问题,并证明次线性收敛及数值有效性。
2022-03-28 cs.NA math.NA math.OC
On general convergence behaviours of finite-dimensional approximants for abstract linear inverse problems
在无限维希尔伯特空间中的抽象线性反问题的框架下,我们讨论了由一般投影方法确定的近似解的一般收敛性,即在Petrov-Galerkin截断格式的标准假设之外.这包括讨论的机制,为什么误差或残差一般不消失的规范,并确定实际上似乎合理的充分条件,这样的指标是小的,在一些较弱的意义。该演示文稿是基于理论结果,连同一系列的模型实例和数值试验。
2021-02-19 cs.NA math.FA math.NA
Convergence analysis of multi-step one-shot methods for linear inverse problems
针对正问题可迭代求解的线性逆问题,研究分析两类多步单次法的收敛条件并通过数值实验验证其相比经典梯度下降法的优势,发现极少正问题内迭代即可保障反演收敛效果。
2022-07-26 cs.NA math.NA math.OC
High-frequency limit of the inverse scattering problem: asymptotic convergence from inverse Helmholtz to inverse Liouville
本文研究了以Helmholtz方程和辐射传输方程为物理模型的反问题在高频极限下的渐近关系。特别地,我们评估了基于Helmholtz方程的广义逆散射问题的渐近收敛到Liouville方程的逆散射问题(RTE的简化版本)。这两个逆问题通过Wigner变换和Husimi变换连接,Wigner变换将物理空间上的波型描述转换为相空间上的动力学型描述,Husimi变换对位置和方向上的数据进行建模。这一发现表明,碰撞紧密集中的单色光束确实可以提供稳定的重建介质,渐近在高频制度。这一事实与经典逆散射问题在探测信号为平面波时的不稳定重建形成了鲜明的对比。
2022-08-09 cs.NA math-ph math.MP
On the lifting of deterministic convergence rates for inverse problems with stochastic noise
TU Chemnitz(德累斯顿工业大学);Johann Radon Institute(约翰·拉顿研究所);JKU Linz(林茨大学)
本文通过将确定性理论提升至随机领域,研究了随机噪声下逆问题的收敛性和收敛速率,为随机问题提供确定性正则化方法。
2016-04-25 cs.NA math.NA math.PR
A framework for data-driven solution and parameter estimation of PDEs using conditional generative adversarial networks
Cornell University(康奈尔大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);University of Hawai’i at Manoa(夏威夷大学马诺阿分校)
这项工作是第一次采用和适应基于条件生成对抗网络(cGAN)的图像到图像的翻译概念,以学习偏微分方程(PDE)的正解和逆解算子。尽管所提出的框架可以作为任何偏微分方程的解决方案的代理模型,在这里,我们专注于非均质多孔介质中耦合流体力学过程的稳态解。强异质材料的属性,这转化为偏微分方程的系数和不连续的功能的解决方案的异质性,需要专门的技术,这些问题的正反解。此外,通过使用标准的降阶建模技术,空间异质系数的参数化是非常困难的。在这项工作中,我们克服了这些挑战,采用图像到图像的翻译概念,学习正向和反向解决方案运营商,并利用U-网发电机和补丁为基础的神经网络。我们的研究结果表明,所提出的数据驱动的降阶模型具有竞争力的预测性能的准确性和计算效率,以及训练时间的要求相比,国家的最先进的数据驱动的方法,正反问题。
2021-05-27 cs.LG cs.NA math.NA
Born and inverse Born series for scattering problems with Kerr nonlinearities
本文研究具有克尔型立方非线性标量波的玻恩级数和玻恩逆级数。我们找到了玻恩级数中算子的递推公式,并证明了它们的有界性。这一结果给出了保证玻恩级数收敛的条件,并随后产生了保证玻恩级数逆收敛的条件。我们还使用不动点理论给出交替显式条件的Born级数收敛。我们用数值实验来说明我们的结果。
2022-11-14 cs.NA math.AP math.NA
Convergence analysis of a Crank-Nicolson Galerkin method for an inverse source problem for parabolic equations with boundary observations
本文研究了由局部边界上的柯西数据确定抛物型方程中依赖于空间和时间变量的源项的反问题。一个Crank-Nicolson Galerkin方法应用于最小二乘泛函与二次稳定惩罚项。证明了当测量噪声水平和网格步长趋于零时,通过适当的正则化参数,有限维正则化逼近收敛于所寻求的源。在适当的源条件下,证明了该方法的误差界和相应的收敛速度。最后,几个数值实验来说明理论研究结果。
2020-07-29 cs.NA math.NA math.OC
Nonlinearity helps the convergence of the inverse Born series
本研究在前期标量波动方程逆Born级数收敛性研究基础上,证明已知线性项系数时,小数据下可重构任意强度Kerr非线性,且一般多项式非线性也有类似收敛结果,并用数值算例验证。
2024-10-07 cs.NA math-ph math.MP
Γ-convergence of Onsager-Machlup functionals. Part I: With applications to maximum a posteriori estimation in Bayesian inverse problems
统计逆问题的贝叶斯解可以用后验分布的一种模式来概括,即MAP估计量。MAP估计基本上与逆问题的(正则化)变分解相一致,被视为后验测量的Onsager-Machlup泛函的最小化。反问题稳定性分析中的一个公开问题是建立由变分方法和贝叶斯方法获得的解的收敛性质之间的关系。为了解决这个问题,我们提出了一个通用的收敛理论的模式,是基于$Γ$收敛的Onsager-Machlup泛函,并将此理论应用到贝叶斯逆问题与高斯和边缘保持Besov先验。本文的第二部分考虑更一般的先验分布。
2021-11-29 cs.NA math.NA math.PR