論文の概要: Robust A-Optimal Experimental Design for Bayesian Inverse Problems
- arxiv url: http://arxiv.org/abs/2305.03855v1
- Date: Fri, 5 May 2023 21:43:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 19:02:08.184764
- Title: Robust A-Optimal Experimental Design for Bayesian Inverse Problems
- Title(参考訳): ベイズ逆問題に対するロバストA最適実験設計
- Authors: Ahmed Attia and Sven Leyffer and Todd Munson
- Abstract要約: 最適設計は、逆問題の要素の項で定式化される事前定義されたユーティリティ関数を最大化する。
本研究はベイズ逆問題に対する最適実験設計スキームを設計するための効率的なアルゴリズム的アプローチを提案する。
- 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: Optimal design of experiments for Bayesian inverse problems has recently
gained wide popularity and attracted much attention, especially in the
computational science and Bayesian inversion communities. An optimal design
maximizes a predefined utility function that is formulated in terms of the
elements of an inverse problem, an example being optimal sensor placement for
parameter identification. The state-of-the-art algorithmic approaches following
this simple formulation generally overlook misspecification of the elements of
the inverse problem, such as the prior or the measurement uncertainties. This
work presents an efficient algorithmic approach for designing optimal
experimental design schemes for Bayesian inverse problems such that the optimal
design is robust to misspecification of elements of the inverse problem.
Specifically, we consider a worst-case scenario approach for the uncertain or
misspecified parameters, formulate robust objectives, and propose an
algorithmic approach for optimizing such objectives. Both relaxation and
stochastic solution approaches are discussed with detailed analysis and insight
into the interpretation of the problem and the proposed algorithmic approach.
Extensive numerical experiments to validate and analyze the proposed approach
are carried out for sensor placement in a parameter identification problem.
- Abstract(参考訳): ベイジアン逆問題に対する実験の最適設計は近年広く普及し、特に計算科学やベイジアン逆問題において多くの注目を集めている。
最適設計は、パラメータ識別に最適なセンサ配置である例として、逆問題の要素の観点から定式化された事前定義されたユーティリティ関数を最大化する。
この単純な定式化に続く最先端のアルゴリズム的アプローチは、一般に、前者や測定の不確実性のような逆問題の要素の誤特定を見落としている。
本研究は,ベイズ逆問題に対する最適実験設計スキームを設計するための効率的なアルゴリズム的手法を提案する。
具体的には,不確実あるいは不特定パラメータに対する最悪のシナリオアプローチを検討し,頑健な目標を定式化し,それらの目標を最適化するためのアルゴリズム的アプローチを提案する。
リラクゼーションと確率解法の両方について,問題の解釈と提案するアルゴリズム的アプローチに関する詳細な分析と洞察とともに議論した。
パラメータ同定問題におけるセンサ配置に対する提案手法の検証と解析を行うための大規模な数値実験を行った。
関連論文リスト
- 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) - Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。
厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。
このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文 参考訳(メタデータ) (2021-11-29T15:10:09Z) - A novel multiobjective evolutionary algorithm based on decomposition and
multi-reference points strategy [14.102326122777475]
分解に基づく多目的進化アルゴリズム(MOEA/D)は、多目的最適化問題(MOP)を解く上で、極めて有望なアプローチであると考えられている。
本稿では,よく知られたPascoletti-Serafiniスキャラライゼーション法とマルチ参照ポイントの新たな戦略により,MOEA/Dアルゴリズムの改良を提案する。
論文 参考訳(メタデータ) (2021-10-27T02:07:08Z) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳(メタデータ) (2021-09-23T17:38:24Z) - Particle Swarm Optimization: Fundamental Study and its Application to
Optimization and to Jetty Scheduling Problems [0.0]
従来の手法に関する進化的アルゴリズムの利点は、文献で大いに議論されている。
粒子群はそのような利点を共有しているが、計算コストの低減と実装の容易さが要求されるため、進化的アルゴリズムよりも優れている。
本論文は, それらのチューニングについて検討するものではなく, 従来の研究から汎用的な設定を抽出し, 様々な問題を最適化するために, 事実上同じアルゴリズムを用いている。
論文 参考訳(メタデータ) (2021-01-25T02:06:30Z) - 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) - Sequential Subspace Search for Functional Bayesian Optimization
Incorporating Experimenter Intuition [63.011641517977644]
本アルゴリズムは,実験者のガウス過程から引き出された一組の引き数で区切られた関数空間の有限次元ランダム部分空間列を生成する。
標準ベイズ最適化は各部分空間に適用され、次の部分空間の出発点(オリジン)として用いられる最良の解である。
シミュレーションおよび実世界の実験,すなわちブラインド関数マッチング,アルミニウム合金の最適析出強化関数の探索,深層ネットワークの学習速度スケジュール最適化において,本アルゴリズムを検証した。
論文 参考訳(メタデータ) (2020-09-08T06:54:11Z) - Adaptive Sampling of Pareto Frontiers with Binary Constraints Using
Regression and Classification [0.0]
本稿では,二項制約を持つブラックボックス多目的最適化問題に対する適応最適化アルゴリズムを提案する。
本手法は確率的回帰モデルと分類モデルに基づいており,最適化目標のサロゲートとして機能する。
また,予想される超体積計算を高速化するために,新しい楕円形トランケーション法を提案する。
論文 参考訳(メタデータ) (2020-08-27T09:15:02Z) - 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) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳(メタデータ) (2020-06-11T17:43:19Z)
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。