抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
サロゲートモデルは,高価な物理モデルをはるかに安価な計算で置き換えることにより,計算コストを低減するのに一般的に使用される。Gaussプロセス(GP)モデルは,不確実性を推定する能力により,代理モデル間で優れた性能を示す。しかし,GPモデルは訓練のために完全に観測されたデータセットを必要とすることが多い。多くの工学応用において,マルチ忠実度または多次元性を持つ異なるソースからのデータを含む収集データセットにおいて,欠測値がしばしば発生する。従って,部分的に観測された情報を適切に利用することは,すべての利用可能な情報を利用し,モデルの電力を増すために不可欠である。欠測値および部分観測情報を処理するために,本論文では,完全観測部分のみを使用するよりも,全ての利用可能な情報を利用するために,BayesGaussプロセス潜在変数モデル(BGPLVM)を採用した新しい適応代理戦略を提示した。代理モデル開発プロセスの効率は,部分的に観察した情報による新しい適応サンプリング手法によってさらに改善され,新しい訓練サンプル点を選択し,反復的にモデルを精密化することを提案する。著者の知る限りでは,これは欠測値を含むデータセットに対する適応代理モデリングアプローチを設計する最初の研究である。数値実験は,提案方法が完全および部分的観測データの両方を含むすべての利用可能な情報を有効に利用できることを示した。非常に正確な予測結果を,余分な部分観測情報を利用して提案した適応代理戦略によって提供した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】