論文の概要: Output-Weighted Optimal Sampling for Bayesian Experimental Design and Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2006.12394v3
• Date: Thu, 8 Apr 2021 20:21:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 05:37:36.702515
• Title: Output-Weighted Optimal Sampling for Bayesian Experimental Design and Uncertainty Quantification
• Title（参考訳）: ベイズ実験設計と不確かさ定量化のための出力重み付き最適サンプリング
• Authors: Antoine Blanchard, Themistoklis Sapsis
• Abstract要約: サンプル選択のための一連の取得関数を導入し,ベイズの実験設計と不確実性定量化に関する応用において,より高速な収束をもたらす。 提案手法は,ブラックボックス関数の入力方向が他よりも出力に大きく影響していることを活用することを目的としており,特に稀かつ極端な事象を示すシステムにおいて重要である。
• 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: We introduce a class of acquisition functions for sample selection that leads to faster convergence in applications related to Bayesian experimental design and uncertainty quantification. The approach follows the paradigm of active learning, whereby existing samples of a black-box function are utilized to optimize the next most informative sample. The proposed method aims to take advantage of the fact that some input directions of the black-box function have a larger impact on the output than others, which is important especially for systems exhibiting rare and extreme events. The acquisition functions introduced in this work leverage the properties of the likelihood ratio, a quantity that acts as a probabilistic sampling weight and guides the active-learning algorithm towards regions of the input space that are deemed most relevant. We demonstrate superiority of the proposed approach in the uncertainty quantification of a hydrological system as well as the probabilistic quantification of rare events in dynamical systems and the identification of their precursors.
• Abstract（参考訳）: サンプル選択のための一連の取得関数を導入し,ベイズの実験設計と不確実性定量化に関する応用において,より高速な収束をもたらす。 このアプローチはアクティブラーニング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使用して、次の最も有益なサンプルを最適化する。 提案手法は,ブラックボックス関数の入力方向が他よりも出力に与える影響が大きいこと,特に希少かつ極端な事象を呈するシステムにおいて重要であることを活かすことを目的としている。 本研究で導入された獲得関数は、確率的サンプリングの重みとして作用し、最も関連性の高い入力空間の領域に向けてアクティブラーニングアルゴリズムを導出する確率比の特性を活用している。 本研究では, 流体系の不確実性定量化と, 力学系における希少事象の確率的定量化および前駆体の同定における提案手法の優位性を示す。

関連論文リスト

• Differentiating Policies for Non-Myopic Bayesian Optimization [5.793371273485735]
  本稿では,ロールアウト関数とその勾配を効率的に推定し,サンプリングポリシを実現する方法を示す。 本稿では,ロールアウト関数とその勾配を効率的に推定し,サンプリングポリシを実現する方法について述べる。
  論文  参考訳（メタデータ） (2024-08-14T21:00:58Z)
• Latent Energy-Based Odyssey: Black-Box Optimization via Expanded Exploration in the Energy-Based Latent Space [65.44449711359724]
  ブラックボックス関数の高次元かつ高マルチモーダルな入力設計空間は、既存の手法に固有の課題をもたらす。 設計値の結合空間の圧縮的かつ正確な表現として機能する潜在空間の発見を検討する。 本稿では, 高精度潜時空間モデルの変分学習のための雑音強調型テレスコープ密度比推定法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T00:11:53Z)
• Identifiability and Characterization of Transmon Qutrits Through Bayesian Experimental Design [0.0]
  クォート系の量子特性評価のためのオンラインベイズ的手法を提案する。 パラメータの点推定を行うほとんどの評価プロトコルとは異なり、提案手法は確率分布を推定することができる。 モデルパラメータの理論的同定可能性の数学的証明と,パラメータが同定可能な量子状態に関する条件を提供する。
  論文  参考訳（メタデータ） (2023-12-15T22:02:54Z)
• Rare Event Probability Learning by Normalizing Flows [27.34331961951239]
  稀な事象は発生確率が低いことによって定義される。 本研究では,NOFISと呼ばれる重要度サンプリングの正規化を提案する。 NOFIS法の有効性は, 総合的な定性的可視化によって検証される。
  論文  参考訳（メタデータ） (2023-10-29T21:59:33Z)
• Metrics for Bayesian Optimal Experiment Design under Model Misspecification [3.04585143845864]
  ユーティリティ関数は、共通ユーティリティ関数が情報ゲインである実験の目的を定義する。 この記事では、従来の期待情報獲得基準を超えて、このプロセスのための拡張されたフレームワークを紹介します。 フレームワークの機能は、線形化スプリングマッサーダンパーシステムとF-16モデルを含むシナリオに適用することで紹介される。
  論文  参考訳（メタデータ） (2023-04-17T02:13:20Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• Sensing Cox Processes via Posterior Sampling and Positive Bases [56.82162768921196]
  本研究では,空間統計学から広く用いられている点過程の適応センシングについて検討する。 我々は、この強度関数を、特別に構築された正の基底で表される、歪んだガウス過程のサンプルとしてモデル化する。 我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(textscCox-Thompson)と後続サンプリング(textscTop2)の原理に基づいている。
  論文  参考訳（メタデータ） (2021-10-21T14:47:06Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Video Prediction via Example Guidance [156.08546987158616]
  ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。 本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:57:24Z)
• A practical and efficient approach for Bayesian quantum state estimation [0.0]
  ベイズ量子状態推定のための改良された自己完結型アプローチを導入する。 我々の定式化は、高効率なクランク-ニコソンサンプリングと擬似類似度に依存している。 理論的に計算コストを解析し、実際のデータセットとシミュレーションデータセットの両方に対する推論の明確な例を示す。
  論文  参考訳（メタデータ） (2020-02-24T16:32:28Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。