English | Log ind

02962 Bayesiansk scientific computing

2019/2020

Kandidatstuderende med interesse for kurset skal kontakte Per Christian Hansen, pcha@dtu.dk.
Kursusinformation
Bayesian Scientific Computing
Engelsk
2,5
Ph.d., Fagligt fokuseret kursus
Kurset udbydes som enkeltfag
Efterår
9.–13. december 2019.
Campus Lyngby
Heldagsaktiviteter i en uge: 9–13 december 2019. Forelæsninger og øvelser.
[Kurset følger ikke DTUs normale skemastruktur]
Aftales med underviser, Aftales med underviser
Bedømmelse af øvelser
Aktiv deltagelse i kurset og godkendelse af øvelser.
Alle hjælpemidler er tilladt
bestået/ikke bestået , intern bedømmelse
Studerende skal kunne programmere i Matlab.
Kendskab til numeriske beregninger.
Minimum 5
Per Christian Hansen , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3097 , pcha@dtu.dk
Daniela Canvetti , dxc57@case.edu
Erkki Somersalo , ejs49@case.edu
01 Institut for Matematik og Computer Science
I studieplanlæggeren
1. december 2019.
Tilmelding kan også foregå ved henvendelse til Per Christian Hansen pcha@dtu.dk.
Overordnede kursusmål
Se den engelske kursusbeskrivelse.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Opskrive likelihood-modeller for støjfyldte observationsmodeller, og prior-modeller udtrykt ved middelværdi, kovarians og præcision.
  • Bruge Bayes' formel til at updatere priors, baseret på observationer.
  • Udlede og implementere formler for 'conditioning'.
  • Medtage prior information i iterative løsere for lineære ligningssystemer.
  • Udlede og implementere spatielt fordelte prior-modeller baseret på strukuturel information.
  • Bruge ´conditionally Gaussian' prior-modeller, og 'Gaussian mixture' modeller.
  • Generere tilfældige udfald fra en given fordeling.
  • Bruge klassiske filter-teknikker, såsom Kalman-filtre, og mere generet partikel-metoder til at opdatere sandsynlighedsfordelinger baseret på sekventielle observationer.
Kursusindhold
Se den engelske kursusbeskrivelse.
Litteraturhenvisninger
D. Calvetti and E. Somersalo, Introduction to Bayesian Scientific Computing. Springer, NY, 2007.
Sidst opdateret
18. september, 2019