Advanced Interacting Sequential Monte Carlo Sampling for Inverse Scattering

François Giraud 1, 2, * Pierre Minvielle 1, 2, * Pierre Del Moral 1, 3
* Auteur correspondant
1 ALEA - Advanced Learning Evolutionary Algorithms
Inria Bordeaux - Sud-Ouest, UB - Université de Bordeaux, CNRS - Centre National de la Recherche Scientifique : UMR5251
Résumé : Nous nous intéressons au problème inverse en électromagnétisme (EM) suivant : l'estimation de propriétés radioélectriques locales de matériaux recouvrant un objet à partir de mesures de diffusion électromagnétique effectuées à des fréquences et angles d'incidence différents. Il s'agit d'un problème inverse mal posé, et de grande dimension. Il est traité à l'aide d'un solveur 2D des équations de Maxwell, distribué sur une grille de calcul haute performance. Appliqué à une large base d'apprentissage, une analyse statistique réduit le problème à un métamodèle probabiliste plus simple, et propice à une inférence bayésienne. En interprétant les propriétés radioélectriques comme un processus stochastique caché, évoluant de façon dynamique par rapport à la fréquence, nous montrons comment des méthodes avancées de type Markov Chain Monte Carlo, appelées SMC (Sequential Monte Carlo), ou méthodes de particules en interaction, peuvent tirer profit de cette structure et fournir des estimées des propriétés EM locales.
Type de document :
Pré-publication, Document de travail
2013
Liste complète des métadonnées

https://hal.inria.fr/hal-00779847
Contributeur : François Giraud <>
Soumis le : mardi 22 janvier 2013 - 16:29:07
Dernière modification le : jeudi 11 janvier 2018 - 06:22:36

Lien texte intégral

Identifiants

  • HAL Id : hal-00779847, version 1
  • ARXIV : 1301.4913

Collections

CEA | INRIA | IMB

Citation

François Giraud, Pierre Minvielle, Pierre Del Moral. Advanced Interacting Sequential Monte Carlo Sampling for Inverse Scattering. 2013. 〈hal-00779847〉

Partager

Métriques

Consultations de la notice

375