7. Conclusion
Nous avons présenté brièvement les caractéristiques essentielles des problèmes inverses, de la régularisation et de son interprétation bayésienne. Nous nous sommes limités à l’estimation paramétrique et n’avons qu’évoqué le choix d’un modèle. Nous insistons à nouveau sur le fait que la plupart des méthodes d’inversion classiques peuvent être chacune établie, ou réinterprétée, dans plusieurs cadres théoriques, et qu’il n’y a pas de lien exclusif entre les méthodes (plus précisément les algorithmes de traitement des données) et leurs interprétations théoriques. Ces dernières, par contre, peuvent être classées en fonction de leur degré de généralité, c’est-à-dire leur capacité à affronter tous les problèmes soulevés lors de la résolution effective d’un problème inverse.
De ce point de vue, l’
approche bayésienne
offre un cadre...
Cet article est réservé aux abonnés
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ?
Se connecter
Lecture en cours
Conclusion