User: Guest  Login
Original title:
Sparse Variational Bayesian algorithms for large-scale inverse problems with applications in biomechanics 
Translated title:
Bayessche Variationsmethoden für großskalige inverse Probleme mit Anwendungen in der Biomechanik 
Year:
2017 
Document type:
Dissertation 
Institution:
Fakultät für Maschinenwesen 
Advisor:
Koutsourelakis, Phaedon-Stelios (Prof., Ph.D.) 
Referee:
Koutsourelakis, Phaedon-Stelios (Prof., Ph.D.); Zabaras, Nicholas (Prof., Ph.D.) 
Language:
en 
Subject group:
MAT Mathematik; MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik; PHY Physik 
TUM classification:
MTA 009d; PHY 210d; MAT 603d 
Abstract:
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...    »
 
Translated abstract:
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. 
Oral examination:
31.03.2017 
File size:
68228633 bytes 
Pages:
192 
Fulltext / DOI:
Last change:
27.04.2017