Benutzer: Gast  Login
Originaltitel:
Sparse Variational Bayesian algorithms for large-scale inverse problems with applications in biomechanics 
Übersetzter Titel:
Bayessche Variationsmethoden für großskalige inverse Probleme mit Anwendungen in der Biomechanik 
Jahr:
2017 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Maschinenwesen 
Betreuer:
Koutsourelakis, Phaedon-Stelios (Prof., Ph.D.) 
Gutachter:
Koutsourelakis, Phaedon-Stelios (Prof., Ph.D.); Zabaras, Nicholas (Prof., Ph.D.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik; MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik; PHY Physik 
TU-Systematik:
MTA 009d; PHY 210d; MAT 603d 
Kurzfassung:
Accurate uncertainty quantification for model-based, large-scale inverse problems represents one of the fundamental challenges in the context of computational science and engineering. In this thesis, novel Bayesian methodologies for the quantification of parametric and model uncertainties are proposed. Their performance is demonstrated on problems in elastography where the identification of the mechanical properties of biological materials can significantly enhance non-invasive, medical diagnosi...    »
 
Übersetzte Kurzfassung:
Eine präzise Quantifizierung von Unsicherheiten für modellbasierte, großskalige inverse Probleme stellt eine der fundamentalen Herausforderungen der Ingenieurswissenschaften dar. In dieser Dissertation werden neuartige Bayessche Methoden zur Quantifizierung von Parameter- und Modellunsicherheiten entwickelt. Ihre Leistungsfähigkeit wird anhand von Elastographiebeispielen, der Erkennung von mechanischen Eigenschaften biologischen Gewebes zur nichtinvasiven medizinischen Diagnose, aufgezeigt. 
Mündliche Prüfung:
31.03.2017 
Dateigröße:
68228633 bytes 
Seiten:
192 
Letzte Änderung:
27.04.2017