文献

J-GLOBAL ID：202002235484431157   整理番号：20A0852854

確率シミュレーションモデルのための結合Gauss過程モデルによる応答予測の強化【JST・京大機械翻訳】

Enhancing Response Predictions with a Joint Gaussian Process Model for Stochastic Simulation Models

著者 (2件)： Wang Songhao (National University of Singapore, Singapore) ,  Ng Szu hui (National University of Singapore, Singapore)
資料名： ACM Transactions on Modeling and Computer Simulation  (ACM Transactions on Modeling and Computer Simulation)
巻： 30  号： 1  ページ： 1-25  発行年： 2020年 
JST資料番号： W0260A  ISSN： 1049-3301  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 確率的Gauss過程モデルは確率的シミュレーションメタモデリングに広く用いられてきた。実際に,このモデルの性能は観測における雑音により大きく影響される。本論文では,相関するが雑音の少ない補助応答に対する関心の応答を共同的にモデル化することにより,雑音のある観測の影響を軽減する手法を提案した。主なアイデアは,予測を改善するために,相関およびより正確な応答から学習することである。これを達成するために,著者らは,2つの応答を共同的にモデル化するために確率的シミュレーションのために既存の決定論的マルチ応答モデルを拡張して,提案したモデルの利点を示すためにいくつかの単純化例を使用して,このモデルの入力推定を調査した。定量的予測を用いて,提案した手法の効率を期待値と共同的にモデル化することにより示した。これは,典型的には,定量化のものと比較して雑音の少ない推定器を有する。次に,いくつかの数値例を実施し,結果は,継手モデルがより良い性能を提供できることを示した。これらの有望な結果は,特に関心のある応答が非常に大きいか,または観察が少ない状況において,この共同モデルの可能性を示している。さらに,予測を改善するために限られた計算予算をより効率的に利用するために,多重応答モデルに基づく2段階設計アプローチを提案した。また,これらの設計から,より正確な補助応答観測を用いて関心のある応答を改善することができる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機シミュレーション ,  雑音 ,  期待値 ,  *Gauss過程 ,  簡素化
準シソーラス用語： 決定論 ,  メタモデリング , 【Automatic Indexing@JST】

著者キーワード (2件)： マルチ応答シミュレーションメタモデリング ,  分位予測

分類 (1件)： 計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (5件)： 確率シミュレーション ,  モデル ,  Gauss過程 ,  応答予測 ,  強化