論文の概要: Sequential design of multi-fidelity computer experiments: maximizing the
rate of stepwise uncertainty reduction
- arxiv url: http://arxiv.org/abs/2007.13553v2
- Date: Fri, 28 May 2021 13:37:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 09:13:10.526387
- Title: Sequential design of multi-fidelity computer experiments: maximizing the
rate of stepwise uncertainty reduction
- Title（参考訳）: 多層コンピュータ実験の逐次設計 : 段階的不確実性低減率の最大化
- Authors: R\'emi Stroh (LNE, L2S), Julien Bect (L2S, GdR MASCOT-NUM), S\'everine
Demeyer (LNE), Nicolas Fischer (LNE), Damien Marquis (LNE), Emmanuel Vazquez
(L2S, GdR MASCOT-NUM)
- Abstract要約: 我々は,多要素数値シミュレータにおける実験の逐次的設計について検討する。
我々は、段階的不確実性低減(MR-SUR)の最大率と呼ばれる新しいベイズ的シーケンシャル戦略を提案する。
MR-SURは、期待される不確実性の低減とシミュレーションコストとの比を最大化することにより、追加のシミュレーションを選択する。
- 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 article deals with the sequential design of experiments for
(deterministic or stochastic) multi-fidelity numerical simulators, that is,
simulators that offer control over the accuracy of simulation of the physical
phenomenon or system under study. Very often, accurate simulations correspond
to high computational efforts whereas coarse simulations can be obtained at a
smaller cost. In this setting, simulation results obtained at several levels of
fidelity can be combined in order to estimate quantities of interest (the
optimal value of the output, the probability that the output exceeds a given
threshold...) in an efficient manner. To do so, we propose a new Bayesian
sequential strategy called Maximal Rate of Stepwise Uncertainty Reduction
(MR-SUR), that selects additional simulations to be performed by maximizing the
ratio between the expected reduction of uncertainty and the cost of simulation.
This generic strategy unifies several existing methods, and provides a
principled approach to develop new ones. We assess its performance on several
examples, including a computationally intensive problem of fire safety analysis
where the quantity of interest is the probability of exceeding a tenability
threshold during a building fire.
- Abstract（参考訳）: 本稿では,(決定的あるいは確率的)多元的数値シミュレータのための実験の逐次設計,すなわち,研究中の物理現象やシステムのシミュレーションの精度を制御できるシミュレータについて述べる。
しばしば、正確なシミュレーションは高い計算労力に対応するが、粗いシミュレーションはより低コストで得ることができる。
この設定では、興味の量(出力の最適値、出力が与えられた閾値を超える確率...)を効率的に推定するために、複数のレベルの忠実度で得られたシミュレーション結果を組み合わせることができる。
そこで,本研究では段階的不確実性低減の最大化率(mr-sur)と呼ばれるベイズ的シーケンシャル戦略を提案する。
この一般的な戦略はいくつかの既存手法を統一し、新しい手法を開発するための原則的なアプローチを提供する。
本研究は, 火災時, 利子数をテナビリティ閾値を超える確率とする, 火災安全解析の計算集約的な問題を含む, いくつかの事例でその性能を評価する。
関連論文リスト
- Eliminating Ratio Bias for Gradient-based Simulated Parameter Estimation [0.7673339435080445]
本稿では、可能性関数が解析的に利用できないモデルにおけるパラメータキャリブレーションの課題に対処する。
本稿では,最大推定と後続密度推定の両問題において,比バイアスの問題に対処するマルチタイムスケールを応用した勾配に基づくシミュレーションパラメータ推定フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-20T02:46:15Z) - Learning to Simulate: Generative Metamodeling via Quantile Regression [2.2518304637809714]
我々は「シミュレーターの高速シミュレータ」を構築することを目的とした、生成メタモデリングと呼ばれる新しいメタモデリング概念を提案する。
一度構築すると、生成メタモデルは入力が特定されるとすぐに大量のランダム出力を生成することができる。
本稿では,QRGMM(quantile-regression-based generative metamodeling)という新しいアルゴリズムを提案し,その収束率と収束率について検討する。
論文 参考訳（メタデータ） (2023-11-29T16:46:24Z) - Fast Shapley Value Estimation: A Unified Approach [71.92014859992263]
冗長な手法を排除し、単純で効率的なシェープリー推定器SimSHAPを提案する。
既存手法の解析において、推定器は特徴部分集合からランダムに要約された値の線形変換として統一可能であることを観察する。
実験により,SimSHAPの有効性が検証され,精度の高いShapley値の計算が大幅に高速化された。
論文 参考訳（メタデータ） (2023-11-02T06:09:24Z) - Optimising Highly-Parallel Simulation-Based Verification of
Cyber-Physical Systems [0.0]
サイバー物理システム(CPS)は多くの産業関連領域で発生し、しばしばミッションクリティカルまたは安全クリティカルである。
CPSのシステムレベル検証(SLV)は、与えられた(例えば、安全か生きか)仕様が満たされているか、あるいはある価値を推定することを保証することを目的としている。
論文 参考訳（メタデータ） (2023-07-28T08:08:27Z) - 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) - Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。
勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文 参考訳（メタデータ） (2022-07-12T16:08:04Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳（メタデータ） (2022-06-10T04:54:13Z) - Variational methods for simulation-based inference [3.308743964406687]
逐次ニューラル変分推論(SNVI)は、難易度のあるモデルにおいてベイズ推論を行うためのアプローチである。
SNVIは、確率推定と変分推論を組み合わせることで、スケーラブルなシミュレーションベースの推論アプローチを実現する。
論文 参考訳（メタデータ） (2022-03-08T16:06:37Z) - Improving Maximum Likelihood Training for Text Generation with Density
Ratio Estimation [51.091890311312085]
本稿では,テキスト生成で遭遇する大規模なサンプル空間において,効率よく安定な自動回帰シーケンス生成モデルのトレーニング手法を提案する。
本手法は,品質と多様性の両面で,最大類似度推定や他の最先端シーケンス生成モデルよりも安定に優れている。
論文 参考訳（メタデータ） (2020-07-12T15:31:24Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳（メタデータ） (2020-05-22T22:30:52Z) - DISCO: Double Likelihood-free Inference Stochastic Control [29.84276469617019]
確率自由推論のためのベイズ統計学における現代シミュレータのパワーと最近の技術を活用することを提案する。
シミュレーションパラメータの後方分布は、システムの潜在的非解析モデルによって伝播される。
実験により、制御器の提案により、古典的な制御やロボット工学のタスクにおいて、優れた性能と堅牢性が得られることが示された。
論文 参考訳（メタデータ） (2020-02-18T05:29:40Z)
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。