Fugu-MT 論文翻訳(概要): Monte Carlo estimators of first-and total-orders Sobol' indices

論文の概要: Monte Carlo estimators of first-and total-orders Sobol' indices

arxiv url: http://arxiv.org/abs/2006.08232v1
Date: Mon, 15 Jun 2020 09:07:04 GMT
ステータス: 処理完了
システム内更新日: 2022-11-21 04:55:02.519339
Title: Monte Carlo estimators of first-and total-orders Sobol' indices
Title（参考訳）: 1次および全次ソボル指数のモンテカルロ推定器
Authors: Ivano Azzini (JRC), Thierry Mara (JRC, PIMENT, GdR MASCOT-NUM), Rossana Rosati (JRC)
Abstract要約: 本研究は,1次および全次差分に基づく感度指標(ソボの指数)の同時サンプリングのための2つのサンプリングベース戦略の性能の比較である。 2組の推定器の漸近的正規推定が確立され、それらの精度が理論的および数値的に比較される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study compares the performances of two sampling-based strategies for the simultaneous estimation of the first-and total-orders variance-based sensitivity indices (a.k.a Sobol' indices). The first strategy was introduced by [8] and is the current approach employed by practitioners. The second one was only recently introduced by the authors of the present article. They both rely on different estimators of first-and total-orders Sobol' indices. The asymp-totic normal variances of the two sets of estimators are established and their accuracies are compared theoretically and numerically. The results show that the new strategy outperforms the current one.Keywords: global sensitivity analysis, variance-based sensitivity indices, first-order Sobol' index, total-order Sobol' index, Monte Carlo estimate, asymptotic normality
Abstract（参考訳）: 本研究は,1次および全次差分に基づく感度指標(ソボル指数)の同時推定のための2つのサンプリングベース戦略の性能を比較した。最初の戦略は [8] によって導入され、実践者が採用している現在のアプローチである。 2つめは,本稿の著者によって最近紹介されたものである。どちらも一階と全階のソボの指数の異なる推定器に依存している。 2組の推定器のasymp-totic正規分散を定式化し、その精度を理論的および数値的に比較する。その結果,新しい戦略は現在の戦略よりも優れており,グローバル感度分析,分散に基づく感度指標,1次sobol'指数,全次sobol'指数,モンテカルロ推定値,漸近正規性が鍵となる。

関連論文リスト

On Active Learning for Gaussian Process-based Global Sensitivity Analysis [0.0]
本稿では,ソボル指数をガウス過程シュロゲートから推定される分散の比として定義することにより,ソボル指数の能動的学習がユニークな課題をもたらすことを示す。本稿では,ガウス過程の主な効果を解決することに焦点を当てた,アクティブラーニングのための新しい戦略を提案する。大規模境界層風洞実験における適応型実験設計の実践例として,本手法を実証した。
論文参考訳（メタデータ） (2023-08-27T22:42:31Z)
Accelerating differential evolution algorithm with Gaussian sampling based on estimating the convergence points [3.274290296343038]
本稿では,エリート人口を平均化し,収束点を推定するための簡単な戦略を提案する。平均化戦略と重み付き平均化戦略の2つの手法を導出する。我々の提案は、簡単な修正で、他の人口ベースの進化アルゴリズムと組み合わせて容易に拡張できる。
論文参考訳（メタデータ） (2022-08-31T03:36:56Z)
Federated Learning Aggregation: New Robust Algorithms with Guarantees [63.96013144017572]
エッジでの分散モデルトレーニングのために、フェデレートラーニングが最近提案されている。本稿では,連合学習フレームワークにおける集約戦略を評価するために,完全な数学的収束解析を提案する。損失の値に応じてクライアントのコントリビューションを差別化することで、モデルアーキテクチャを変更できる新しい集約アルゴリズムを導出する。
論文参考訳（メタデータ） (2022-05-22T16:37:53Z)
Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文参考訳（メタデータ） (2021-10-19T14:24:50Z)
Uncertainty quantification in the Bradley-Terry-Luce model [14.994932962403935]
本稿では,MLEとスペクトル推定という,近年注目されている2つの推定器に焦点を当てた。統一的な証明戦略を用いることで,両推定器の急激かつ均一な非漸近的拡張を導出する。我々の証明は、二階ベクトルの自己整合方程式と、新しい二階解法に基づくものである。
論文参考訳（メタデータ） (2021-10-08T03:06:30Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)
A New Method to Compare the Interpretability of Rule-based Algorithms [0.0]
予測モデル解析においては,解釈可能性の重要性が高まっている。提案されたスコアは、予測性、安定性、単純さの3つの項の重み付けされた総和である。このスコアを用いて、回帰ケースと分類ケースのルールベースのアルゴリズムと木ベースのアルゴリズムの解釈可能性を比較する。
論文参考訳（メタデータ） (2020-04-03T13:50:27Z)
A General Method for Robust Learning from Batches [56.59844655107251]
本稿では,バッチから頑健な学習を行う一般的なフレームワークについて考察し,連続ドメインを含む任意の領域に対する分類と分布推定の限界について考察する。本手法は,一括分節分類,一括分節,単調,対数凹,ガウス混合分布推定のための,最初の頑健な計算効率の学習アルゴリズムを導出する。
論文参考訳（メタデータ） (2020-02-25T18:53:25Z)
Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。