Stochastically evolving geometric systems are studied in shape analysis and computational anatomy for modelling stochastic evolution of human organ shapes, and in geometric mechanics for modelling turbulence parts of multi-scale fluid flows. Recently introduced models involve stochastic differential equations that govern the dynamics of a diffusion process $X$ where, in applications, $X$ is only partially observed at times $0$ and $T>0$. Conditional on these observations, the challenge is to infer parameters of the dynamics of the diffusion and to reconstruct the path $(X_t,\, t\in [0,T])$. The latter problem is known as bridge simulation. We develop a general scheme for bridge simulation in the case of finite dimensional systems of shape landmarks and singular solutions in fluid dynamics. The scheme allows for subsequent statistical inference of properties of the evolution of the shapes. We show how the approach covers stochastic landmark models for which no suitable simulation method has been proposed in the literature; that it removes restrictions of earlier approaches; that it improves the handling of the nonlinearity of the configuration space leading to more effective sampling schemes; and that it allows to generalise the common inexact matching scheme to the stochastic setting.


翻译:用于模拟人体器官形状变化的形状分析和计算解剖以及用于模拟多尺度流流中动荡部分的几何力学研究。最近引入的模型涉及控制扩散过程动态的随机分方程式,在应用中,仅部分观测到X美元,时间为0美元和0.美元。这些观测的前提条件是,如何推导扩散动态参数,并重建路径$(X_t,\\,t\in,[0,T]),后者被称为桥梁模拟。我们开发了一个通用的桥架模拟方案,在形状标志的有限维系系统和流体动态的独有解决办法的情况下,我们开发了一个通用的桥架式模拟方案。这个方案允许随后对形状演变特性进行统计推导。我们展示了该方法如何涵盖没有在文献中提出适当模拟方法的随机里程碑模型;它消除了早先方法的限制;它改进了对配置空间的非线性处理方法的处理,从而能够形成更有效的模拟方案。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
《图表示学习》报告,McGill助理教授Hamilton讲授,79页ppt
不可错过!华盛顿大学最新《生成式模型》课程,附PPT
专知会员服务
63+阅读 · 2020年12月11日
专知会员服务
44+阅读 · 2020年10月31日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关VIP内容
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员