Fugu-MT 論文翻訳(概要): Bayesian Experimental Design for Symbolic Discovery

論文の概要: Bayesian Experimental Design for Symbolic Discovery

arxiv url: http://arxiv.org/abs/2211.15860v1
Date: Tue, 29 Nov 2022 01:25:29 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 17:41:45.783028
Title: Bayesian Experimental Design for Symbolic Discovery
Title（参考訳）: 記号発見のためのベイズ実験設計
Authors: Kenneth L. Clarkson and Cristina Cornelio and Sanjeeb Dash and Joao Goncalves and Lior Horesh and Nimrod Megiddo
Abstract要約: 我々は、ハミルトンモンテカルロを用いて、適切な選択基準を最適化するために制約付き一階法を適用する。畳み込みを含む予測分布を計算するステップは、数値積分または高速変換法によって計算される。
参考スコア（独自算出の注目度）: 12.855710007840479
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study concerns the formulation and application of Bayesian optimal experimental design to symbolic discovery, which is the inference from observational data of predictive models taking general functional forms. We apply constrained first-order methods to optimize an appropriate selection criterion, using Hamiltonian Monte Carlo to sample from the prior. A step for computing the predictive distribution, involving convolution, is computed via either numerical integration, or via fast transform methods.
Abstract（参考訳）: 本研究は,一般関数型を考慮した予測モデルの観測データからの推測である記号探索へのベイズ最適実験設計の定式化と応用に関するものである。制約付き一階法を適用して適切な選択基準を最適化し,ハミルトニアンモンテカルロを用いて前者からサンプルを採取する。畳み込みを含む予測分布を計算するステップは、数値積分または高速変換法によって計算される。

関連論文リスト

Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
論文参考訳（メタデータ） (2024-03-03T04:21:21Z)
Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
論文参考訳（メタデータ） (2023-07-06T15:19:53Z)
Scalable method for Bayesian experimental design without integrating over posterior distribution [0.0]
実験問題のA-最適ベイズ設計における計算効率について検討する。 A-最適性はベイズの実験設計に広く用いられ、容易に解釈できる基準である。本研究は, A-Optimal 実験設計における新しい可能性のないアプローチを提案する。
論文参考訳（メタデータ） (2023-06-30T12:40:43Z)
Adaptive Sampling Quasi-Newton Methods for Zeroth-Order Stochastic Optimization [1.7513645771137178]
勾配情報のない制約のない最適化問題を考察する。適応的なサンプリング準ニュートン法を提案し、共通乱数フレームワーク内の有限差を用いてシミュレーション関数の勾配を推定する。そこで本研究では, 標準試験と内積準ニュートン試験の修正版を開発し, 近似に使用する試料サイズを制御し, 最適解の近傍に大域収束結果を与える。
論文参考訳（メタデータ） (2021-09-24T21:49:25Z)
Stochastic Learning Approach to Binary Optimization for Optimal Design of Experiments [0.0]
本稿では,偏微分方程式などの数学モデルによるベイズ逆問題に対する最適実験設計 (OED) のための二項最適化への新しいアプローチを提案する。 OEDユーティリティ関数、すなわち正規化された最適性勾配はベルヌーイ分布に対する期待の形で目的関数にキャストされる。この目的を確率的最適化ルーチンを用いて最適な観測方針を求めることで解決する。
論文参考訳（メタデータ） (2021-01-15T03:54:12Z)
Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文参考訳（メタデータ） (2020-11-08T17:09:37Z)
Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文参考訳（メタデータ） (2020-08-10T09:42:59Z)
Unbiased MLMC stochastic gradient-based optimization of Bayesian experimental designs [4.112293524466434]
実験的な設計パラメータに対する期待情報ゲインの勾配は、ネスト予測によって与えられる。我々は,期待される情報ゲインの勾配を,期待される$ell$-norm,期待されるサンプル当たりの計算コストで推定するモンテカルロ推定器を導入する。
論文参考訳（メタデータ） (2020-05-18T01:02:31Z)
Adversarial Monte Carlo Meta-Learning of Optimal Prediction Procedures [0.0]
2人プレイゲームにおける最適戦略の探索として,予測手順のメタラーニングを行う。このゲームでは、Natureは特徴と関連する結果からなるラベル付きデータを生成する事前のオーバーパラメトリック分布を選択する。予測器の目的は、新しい特徴から関連する結果の見積にマップする関数を学習することである。
論文参考訳（メタデータ） (2020-02-26T03:16:05Z)
Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文参考訳（メタデータ） (2020-02-21T14:03:16Z)
Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文参考訳（メタデータ） (2020-02-16T09:01:18Z)

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。