An Efficient Bayesian Framework for Uncertainty Quantification in Nonlinear Imaging Inverse Problems
Dieses Paper schlägt ein recheneffizientes, MCMC-freies Bayessches Framework zur Quantifizierung der Unsicherheit in nichtlinearen, auf PDEs basierenden Bildgebungs-Inversen Problemen wie QPAT und EIT vor, welches eine zweistufige Pushforward-Methodik nutzt, um rigorose Posterior-Kontraktionsraten und präzise Rekonstruktionen zu einem geringeren Rechenaufwand abzuleiten.