扩散参数辨识中初始条件形状（及拓扑）的优化
数值分析
2016-02-11 v1
摘要
实验的设计（例如初始条件的设定）强烈影响从数据确定模型参数的整个过程的精度。我们采用一种基于灵敏度的方法来选择最优设计变量，并研究扩散参数辨识反问题中初始条件形状（及拓扑）的优化。我们的方法虽与具体情形无关，但以 FRAP（光漂白后荧光恢复）实验技术为例进行说明。核心思想在于最大化一个依赖于特定初始条件实验设定的灵敏度度量。通过数值优化，我们发现了最优初始形状在连通性方面日益复杂的有趣模式。所提出的 FRAP 实验方案的修改相当令人惊讶但完全现实，且由此带来的参数估计精度的提升是显著的。
引用
@article{arxiv.1602.03357,
title = {Optimization of the shape (and topology) of the initial conditions for diffusion parameter identification},
author = {Stefan Kindermann and Stepan Papacek},
journal= {arXiv preprint arXiv:1602.03357},
year = {2016}
}