基于流量匹配引导的自适应马尔可夫链蒙特卡洛方法，结合深度生成提案，用于结构健康监测中的贝叶斯模型更新

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Flow matching-guided adaptive Markov Chain Monte Carlo with deep generative proposals for Bayesian model updating in structural health monitoring

　　

Jice Zeng|Zi-Jun Cao

• •
  开发了一种基于流匹配的MCMC框架，用于高效地进行贝叶斯模型更新。
• •
  将局部MCMC采样与基于连续规范化流的全局提议相结合，以提高采样效率。
• •
  提供了一个灵活的框架，可以轻松扩展到其他流模型和MCMC算法。
• •
  通过数值和实验研究证明了其强大的性能，包括处理多模态后验的情况。