Bayes実験計画と不確実性定量化のための出力加重最適サンプリング【JST・京大機械翻訳】

Blanchard Antoine; Sapsis Themistoklis

プレプリント

J-GLOBAL ID：202202220012794333 整理番号：21P0036625

Bayes実験計画と不確実性定量化のための出力加重最適サンプリング【JST・京大機械翻訳】

Output-Weighted Optimal Sampling for Bayesian Experimental Design and Uncertainty Quantification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年06月22日プレプリントサーバーでの情報更新日： 2021年04月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Bayes実験設計および不確実性定量化に関連したアプリケーションにおける高速収束を導くサンプル選択のための獲得関数のクラスを導入した。この手法はアクティブ学習のパラダイムに従い,ブラックボックス関数の既存のサンプルを利用して次の最も有益なサンプルを最適化した。提案手法は,ブラックボックス関数のいくつかの入力方向が,特に希少で極端なイベントを示すシステムに対して重要である,他のものより出力に大きな影響を持つという事実を利用することを目的とする。本研究で導入した取得関数は,尤度比の特性,確率的サンプリング重みとして作用する量,および最も関連すると考えられる入力空間の領域に対するアクティブ学習アルゴリズムをガイドする。水文システムの不確実性定量化と,動的系における希少事象の確率的定量化と,それらの前駆体の同定において,提案した方法の優位性を示した。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般

, , , ,

前のページに戻る