@InProceedings{2023_iollo1194,
	author = "Jacopo Iollo and Florence FORBES and Pierre Alliez and Christophe Heinkelé",
	title = "Tempered SMC for Sequential Bayesian Optimal Design",
	booktitle = "29° Colloque sur le traitement du signal et des images",
	year = "2023",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "2023-1194",
	pages = "p. 501-504",
	month = "Aout # 6 - Sept # 9",
	address = "Grenoble",
	doi = "",
	pdf = "2023_iollo1194.pdf",
	abstract = "Nous proposons une approche Monte Carlo  séquentielle tempérée (SMC) pour l'optimisation séquentielle du design experimental dans un context bayésien. Le choix séquentiel des parametres de design est effectué par une procédure d'approximation stochastique (SA) incorporant des échantillonneurs SMC avec tempering. Le tempering rend possible \`a la fois un gain d'information important et un échantillonnage SMC précis. Cette combinaison originale de SA et SMC permet d'obtenir simultanément le design optimal et une approximation de la loi a  posteriori des paramètres. Une application \`a  une tache de localisation de sources illustre qu'un gain int\'eressant peut \^etre atteint en utilisant des simulations pour limiter le nombre de mesures couteuses \`a faire sur le terrain..pdf",
}