Echantillonnage de champs gaussiens de grande dimension

Résumé : Nous proposons une nouvelle approche pour l'échantillonnage de champs gaussiens corrélés dans le cas où les approches classiques ne sont pas utilisables : lorsque la dimension du problème est très grande et lorsque la matrice inverse de covariance (ou matrice de précision) n'est pas creuse. Cette approche est valide dans le cas où une structure particulière de la matrice de précision est disponible. Cette structure apparaît dans la résolution de problèmes inverses par des méthodes d'estimation bayésienne. L'algorithme proposé trouve une application directe pour les méthodes d'inversion myopes et/ou non supervisées, fondées sur des méthodes d'échantillonnage de type MCMC. L'efficacité de cette approche est illustrée sur l'inversion non supervisée d'un problème de super résolution.
Type de document :
Communication dans un congrès
42èmes Journées de Statistique, 2010, Marseille, France, France. 2010
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00494771
Contributeur : Conférence Sfds-Hal <>
Soumis le : jeudi 24 juin 2010 - 08:58:09
Dernière modification le : jeudi 11 janvier 2018 - 06:21:08
Document(s) archivé(s) le : lundi 27 septembre 2010 - 10:59:46

Fichier

p155.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00494771, version 1

Citation

Olivier Feron, François Orieux, Jean-François Giovannelli. Echantillonnage de champs gaussiens de grande dimension. 42èmes Journées de Statistique, 2010, Marseille, France, France. 2010. 〈inria-00494771〉

Partager

Métriques

Consultations de la notice

238

Téléchargements de fichiers

178