ENGLISH
|
学校主页
学院主页
学院概况
学院简介
现任领导
组织机构
联系方式
师资队伍
教授
副教授
讲师
党委行政
科学研究
研究中心
数苑博雅讲座
学术报告
学术会议
科研项目
科研论文
本科教学
教学动态
精品课程
教学团队
本科生实习
专业介绍与培养方案
研究生培养
研究生培养动态
研究生专业方向
研究生培养方案
党建园地
党建动态
数院党校
学生工作
学工热点
研究生园地
班团快讯
体坛风云
社团采风
学工制度
合作交流
校友动态
校友动态
人才招聘
科学研究
研究中心
数苑博雅讲座
学术报告
学术会议
科研项目
科研论文
学术报告
当前位置:
学院主页
>
科学研究
>
学术报告
> 正文
Deep learning approach for Bayesian inverse Problems
发布时间:2022-06-13 作者: 浏览次数:
Speaker:
闫亮
DateTime:
2022年-6月-17日(周五)上午9:30-10:30
Brief Introduction to Speaker:
闫亮,东南大学副教授
Place:
腾讯会议 ID 719 103 888
Abstract:
Obtaining samples from the posterior distribution of Bayesian inverse problems(BIPs) is a long-standing challenging, especially when the forward operator is modeled by partial differential equation (PDE). In this talk, we will show you how to leverage the deep learning’s capabilities to tackle this challenge. Several fast and efficient deep neural network (DNN)-based approaches for accelerating simulations in sample generation will be described. A novel framework based on invertible neural networks using normalizing flow is also demonstrated.
上一条:
From KP-I Lump solution to travelling waves of Gross-Pitaevskii equation
下一条:
Fourier Masked Phase Retrieval:Mask Design, blind recovery, and sparsity modeling