文献

J-GLOBAL ID：201902248186598282   整理番号：19A0492262

Markov化を用いたGauss過程に対する逐次バッチ設計【JST・京大機械翻訳】

Sequential Batch Design for Gaussian Processes Employing Marginalization †

著者 (2件)： Preuss Roland (Max-Planck-Institute for Plasma Physics, 85748 Garching, Germany) ,  Toussaint Udo von (Max-Planck-Institute for Plasma Physics, 85748 Garching, Germany)
資料名： Entropy (Web)  (Entropy (Web))
巻： 19  号： 2  ページ： 84  発行年： 2017年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： Bayesフレームワークの中で,長い実行計算機コードのパラメトリック研究のためにGauss過程を利用した。シミュレーションが高価であるので,最良の可能な方法で計算予算を利用する必要がある。効用関数としての適合性の品質のための指標となる変数を用いて,著者らは最適化されて自動化された逐次パラメータ選択手順を確立した。しかし,現在のコンピュータ技術の並列実行可能性を利用し,より高速な全体的ターンオーバ時間(壁クロック時間)のための逐次パラメータ選択に放棄することがしばしば望ましい。本論文では,バッチ実行のための出発値のプールを設定するために,最適化試験点において期待される結果を超えることにより,これを達成することを提案した。一次元試験事例に対して,数値結果を解析解で検証した。最終的に,系統的収束研究により,ランダムに選択したパラメータ設定に対する最適化手法の利点を実証した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化手法 ,  *Gauss過程 ,  クロック ,  品質 ,  適応性 ,  ターンオーバー ,  *ロット ,  パラメータ ,  一次元 ,  最適化 ,  効用関数 ,  高速度 ,  自動化 ,  計算機コード
準シソーラス用語： パラメータ選択 , 【Automatic Indexing@JST】

著者キーワード (4件)： パラメトリック研究 ,  Gauss過程 ,  並列化 ,  バッチ実行

分類 (2件)： 数値計算  (JE02000J) ,  計算機システム開発  (JD02010R)

引用文献 (15件)：

• Barber, D. Bayesian Reasoning and Machine Learning; Cambridge University Press: Cambridge, UK, 2012.
• Bishop, C. Neural Networks for Pattern Recognition; Oxford University Press: Oxford, UK, 1996.
• MacKay, D.J.C. Information Theory, Inference, and Learning Algorithms; Cambridge University Press: Cambridge, UK, 2003.
• Cohn, D. Neural Network Exploration Using Optimal Experiment Design. Neural Netw. 1996, 9, 1071-1083.
• Managing Uncertainty in Complex Models. Available online: http://www.mucm.ac.uk/Pages/Dissemination/RelatedPapers.html (accessed on 18 February 2017).

タイトルに関連する用語 (4件)： Gauss過程 ,  逐次 ,  バッチ ,  設計