Predictive Subdata Selection for Gaussian Process Modeling

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/85031

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/85031

题名:	Predictive Subdata Selection for Gaussian Process Modeling
作者:	徐永霖;Hsu, Yung-Lin
贡献者:	統計研究所
关键词:	實驗設計;電腦實驗;座標交換演算法;experimental design;computer experiments;exchange algorithm
日期:	2021-01-22
上传时间:	2021-03-18 17:24:37 (UTC+8)
出版者:	國立中央大學
摘要:	高斯過程被廣泛地運用在電腦實驗的建模上，但是隨著資訊爆炸的時代來臨，資料量成長的速度遠遠超過硬體設備的進步，使得高斯過程的預測能力在樣本數很大時急遽下降。常見的解決方法是透過改進模型或是實驗設計降低樣本數。本篇論文提出一個座標交換演算法，在給定樣本中迭代找出最具有預測力（predictive）的子樣本（subdata），且透過數值模擬來展示只需使用這些子樣本就可以達到準確的預測結果。;Gaussian processes are widely used for emulating expensive computer simulators. However, their use is limited under large-scale data due to numerical problems. Common solutions to this difficulty are either to modify the model or to design suitable computer experiments. In this paper, we propose an exchange algorithm to search for predictive subdata given a full dataset. We demonstrate our method on several examples to show the performance between our method and other competitive methods. Furthermore, we show that the predictive subdata selected by our method achieves high prediction accuracy even though the full dataset is not space-filling in the experimental region.
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	185	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....