Massive analysis of multidimensional astrophysical data by inverse regression of physical models - Archive ouverte HAL
Conference Papers Year : 2024

Massive analysis of multidimensional astrophysical data by inverse regression of physical models

Abstract

Les sciences modernes de l'observation telles que la géophysique, l'astrophysique, l'imagerie médicale, etc. produisent un volume énorme de données de haute dimension. Une approche puissante pour analyser ces données et récupérer des informations d'intérêt utilise le formalisme bayésien pour inverser des modèles physiques. Dans cet article, nous montrons l'application d'une méthode basée sur une approche statistique de régression inverse -- GLLiM -- qui a l'avantage de produire des distributions approximant les lois à posteriori cibles. Ces distributions peuvent également être utilisées pour des prédictions plus fines à l'aide d'un échantillonnage d'importance tout en fournissant un moyen de mieux explorer le problème inverse lorsque plusieurs solutions équivalentes existent et d'effectuer une estimation du niveau d'incertitude. Dans cet article, notre objectif est de présenter une application de GLLiM à l'analyse d'une séquence d'images hyperspectrales acquises depuis l'espace pour la même scène martienne et de présenter le logiciel PlanetGLLiM.
Fichier principal
Vignette du fichier
art_planetgllim_gretsi.pdf (4.44 Mo) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-04437626 , version 1 (04-02-2024)

Licence

Identifiers

  • HAL Id : hal-04437626 , version 1

Cite

Sylvain Douté, Florence Forbes, Stanislaw Borkowski, Samuel Heidmann, Luc Meyer. Massive analysis of multidimensional astrophysical data by inverse regression of physical models. GRETSI 2023 - XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. pp.1-4. ⟨hal-04437626⟩
51 View
34 Download

Share

More