×
弗朗索瓦·巴霍克;埃米尔·孔塔尔;哈桑·马图克;迪迪埃·鲁利埃

计算机实验的高斯过程。 （英语。法语摘要） Zbl 1388.60082号

ESAIM程序。Surv公司。 60, 163-179 (2017).
摘要：本文收集了在2016年Journées MAS上专门讨论高斯过程的会议上发表的贡献。首先，介绍了高斯过程，并讨论了当前的一些研究问题。然后，给出了线性不等式约束下高斯过程建模在财务数据中的应用。此外，还描述了处理大型数据集的原始过程。最后，讨论了基于高斯过程的迭代优化的情况。

MSC公司：

60G15年 高斯过程
91G80型 其他理论的金融应用
91B70型 经济学中的随机模型

关键词：

高斯过程;线性不等式约束

软件：

github;GMRF库;constrKriging公司;FRK公司
PDF格式BibTeX公司 XML格式引用
\textit{F.Bachoc}等人，ESAIM，Proc。Surv公司。60、163--179（2017年；Zbl 1388.60082）
全文： DOI程序
OA许可证

参考文献：

[1] P.亚伯拉罕森。高斯随机场和相关函数综述。挪威计算中心技术报告，1997年。
[2] R.J.阿德勒。{\it一般高斯过程的连续性、极值和相关主题的介绍}。加利福尼亚州海沃德：数学统计研究所，1990年·Zbl 0747.60039号
[3] P.Auer、N.Cesa-Bianchi和P.Fischer。多武器土匪问题的有限时间分析。{\it机器学习}，47（2-3）：235-2562002·Zbl 1012.68093号
[4] F.Bachoc公司。具有模型错误指定的高斯过程超参数的交叉验证和最大似然估计。{计算统计与数据分析}，66:55-692013·Zbl 1471.62021号
[5] F.Bachoc公司。高斯过程协方差参数估计中空间采样作用的渐近分析。《多元分析杂志》，125:1-352014·Zbl 1280.62100号
[6] F.Bachoc公司。错误指定情形下高斯过程协方差参数估计的渐近分析。{\it Accepted}{\it in Bernoulli}，2016年·Zbl 1429.60035号
[7] F.Bachoc、K.Ammar和J.M.Martinez。通过元建模改进实验设计中的代码行为。核科学与工程，183（3）：387-4061016。
[8] F.Bachoc、G.Bois、J.Garnier和J.M Martinez。通过通用克里格对计算机模型进行校准和改进预测。{核科学与工程}，176（1）：81-972014。
[9] F.Bachoc、N.Durrande、D.Rullière和C.Chevalier。嵌套Kriging预测器的一些性质。{\it arXiv-print}{\it ar Xiv:1707.05708}，2017年·Zbl 1495.86009号
[10] P.Billingsley。{概率与测度，第三版}。威利，纽约，1995年·Zbl 0822.60002号
[11] A.D.公牛。高效全局优化算法的收敛速度。{机器学习研究杂志}，12:2879-29042011·Zbl 1280.90094号
[12] E.Contal公司。{全局优化的统计学习方法}。巴黎萨克利大学博士论文，2016年。
[13] E.Contal和N.Vayatis。随机进程盗贼：通过通用链的置信上限算法。{\it arXiv-print}{\it ar Xiv:1602.04976}，2016年。
[14] A.Cousin、H.Maatouk和D.Rullière。金融期限结构的克里金。{欧洲运筹学杂志}，255（2）：631-6482016·Zbl 1346.91264号
[15] A.堂兄和I.娘。关于允许的项结构的范围。｛\it arXiv预印本arXiv：1404.0340｝，2014年。
[16] H.Cramer和R.Leadbetter。{平稳和相关随机过程：样本函数性质及其应用}。概率和数理统计中的威利级数。概率与统计专题。1967.178ESAIM：诉讼和调查·Zbl 0162.21102号
[17] N.Cressie和G.Johannesson。固定秩克里格法用于超大空间数据集。皇家统计学会杂志：B辑（统计方法），70（1）：209-2262008·兹伯利05563351
[18] N.Cressie和S.N.Lahiri。REML估计量的渐近分布。{多元分析杂志}，45:217-2331993·Zbl 0772.62008号
[19] N.Cressie和S.N.Lahiri。空间协方差参数REML估计的渐近性。统计规划杂志，50:327-3411996·兹比尔0847.62044
[20] S.Da Veiga和A.Marrel。带有不等式约束的高斯过程建模。{it Ann.Fac.Sci.图卢兹}，21（2）：529-5552012·Zbl 1279.60047号
[21] M.Deisenroth和J.Ng。分布式高斯过程。第32届国际机器会议论文集，法国里尔。JMLR:W&CP第37卷，2015年。
[22] R.Furrer、M.G.Genton和D.Nychka。用于大型空间数据集插值的协方差锥化。《计算机学报》，2006年。
[23] S.Golchi、D.R.Bingham、H.Chipman和D.A.Campbell。计算机实验的单调模拟。{it SIAM/ASA}{it不确定性量化杂志}，3（1）：370-3922015·Zbl 1327.62146号
[24] T.Hangelbroek、F.J.Narcowich和J.D.Ward。流形上的核近似Ⅰ：勒贝格常数的边界。{it SIAM J.数学分析}，42:1732-17602010·Zbl 1219.41003号
[25] P.Hennig和C.J.Schuler。熵搜索用于信息高效的全局优化。机器学习研究杂志，13:1809-18372012·Zbl 1432.65073号
[26] J.Hensman、N.Fusi和N.D Lawrence。大数据的高斯过程。《人工智能中的不确定性》，第282-2902013页。
[27] G.E.欣顿。通过最小化对比差异来培训专家产品。{\it神经计算}，14（8）：1771-18002002·Zbl 1010.68111号
[28] C.Jidling、N.Wahlström、A.Wills和T B.SchöN。线性约束高斯过程。{\it arXiv预印arXiv:1703.00787}，2017年。
[29] D.R.Jones、M.Schonlau和W.J.Welch。高效全局优化昂贵的黑盒函数。全球杂志，13:455-4921998·Zbl 0917.90270号
[30] C.G.考夫曼、D.宾厄姆、S.哈比卜、K.海特曼和J.A.弗里曼。使用紧密支持的相关函数进行计算机实验的高效模拟器，并应用于宇宙学。{应用统计学年鉴}，5（4）：2470-24922011·兹比尔1234.62166
[31] C.G.Kaufman、M.J.Schervish和D.W.Nychka。大空间数据集中基于似然估计的协方差锥化。《美国统计协会期刊》，103（484）：1545-15552008·Zbl 1286.62072号
[32] W-L.卢。Matérn-型高斯随机场子类的固定域渐近性。{《统计年鉴》，33:2344-23942005·Zbl 1086.62111号
[33] W-L.Loh和T-K.Lam。平滑高斯随机场模型中结构相关矩阵的估计。《年鉴》，28:880-9042000·Zbl 1105.62376号
[34] H.Maatouk和X.Bay。{一种新的截断多元高斯随机变量的拒绝抽样方法，限制于凸集}，第163卷，第521-530页。In：Cools R和Nuyens R（编辑）。Springer International Publishing，Cham，2016年·Zbl 1356.65012号
[35] H.Maatouk和X.Bay。用于不等式约束计算机实验的高斯过程模拟器。{数学}{地球科学}，49（5）：1-262017·Zbl 1371.65006号
[36] H.Maatouk和Y.Richet。constrKriging。{\it R软件包在线提供https://github.com/maatouk/constrKriging}, 2015.
[37] H.Maatouk、O.Roustant和Y.Richet。不等式约束下高斯过程超参数的交叉验证估计。《环境科学百科全书》，27:38-442015。2015年空间统计会议。
[38] K.V.Mardia和R.J.Marshall。空间回归中残差协方差模型的最大似然估计。{\it Biometrika}，71:135-1461984年·兹比尔0542.62079
[39] G.马塞隆。{\it La Théorie des Variables Régionalisées et ses Applications}。枫丹白露数学形态学中心第五辑。巴黎国立矿山学院，1970年。
[40] J.B.莫奇库斯。{全局优化的贝叶斯方法}。数学及其应用。Kluwer学术，1989年·Zbl 0693.49001号
[41] 具有时变输入和输出的计算机模型的高斯代理。｛\it Technometrics｝，54:42-50，2012年。
[42] C.R.Nelson和A.F.Siegel。收益率曲线的简约建模。{商业杂志}，60（4）：第473-489页，1987年。
[43] T.Nickson、T.Gunter、C.Lloyd、M.A.Osborne和S.Roberts。闪电战：克罗内克结构的随机高斯过程。{\it arXiv预印本arXiv:1510.07965}，2015年。
[44] E.帕尔岑。{\it随机过程}。概率统计中的Holden-Day系列。Holden-Day，旧金山，伦敦，阿姆斯特丹，1962年·Zbl 0107.12301号
[45] R.Paulo、G.Garcia-Donato和J.Palomo。使用多元输出校准计算机模型。计算统计与数据分析，56:3959-39742012·Zbl 1255.62187号
[46] C.E.拉斯穆森和C.K.I.威廉姆斯。{机器学习的高斯过程}。麻省理工学院出版社，剑桥，2006年·Zbl 1177.68165号
[47] J.Riihimaki和A.Vehtari。具有单调信息的高斯过程。在{it AISTATS}，{it JMLR Proceedings}第9卷，第645-652页。JMLR.org，2010年。
[48] H.Rue和L.Held。{高斯马尔可夫随机场，理论与应用}。Chapman&Hall，2005年。ESAIM:程序和调查179·邮编1093.60003
[49] D.Rullière、N.Durrande、F.Bachoc和C.Chevalier。具有大量观测的数据集的嵌套克里格估计。{\it统计与计算}，2017年·Zbl 1384.62246号
[50] J.Sacks、W.J.Welch、T.J.Mitchell和H.P.Wynn。计算机实验的设计与分析。{\it统计科学}，4:409-4231989·Zbl 0955.62619号
[51] T.J.Santner、B.J.Williams和W.I.Notz。{计算机实验的设计与分析}。斯普林格，纽约，2003年·Zbl 1041.62068号
[52] N.Srinivas、A.Krause、S.Kakade和M.Seeger。高斯过程优化的信息论遗憾界的设置。{IEEE信息理论汇刊}，58（5）：3250-32652012·Zbl 1365.94131号
[53] M.L.斯坦因。协方差锥的统计特性。计算与图形统计杂志，22（4）：866-8852013。
[54] M.L.斯坦因。空间数据协方差矩阵低秩近似的限制。{\it Spatial Statistics}，2014年8月1日至19日。
[55] M.L.Stein、J.Chen和M.Anitescu。高斯过程分数函数的随机逼近。应用统计学年鉴，7（2）：1162-11912013·Zbl 1454.62283号
[56] M.L.斯坦因。空间数据的插值：克里格的一些理论。Springer，纽约，1999年·Zbl 0924.62100号
[57] L.Svensson先生。预测和解释远期利率：瑞典，1992-1994年。技术报告，国家经济研究局，1994年。
[58] V.特雷斯普。贝叶斯委员会机器。{\it神经计算}，12（11）：2719-27412000。
[59] C.K.I.Williams和C.E.Rasmussen。{机器学习的高斯过程}。麻省理工学院出版社，2006年·兹比尔1177.68165
[60] R.L.温克勒。主观概率分布的一致性。{it管理科学}，15（2）：B-61968。
[61] R.L.温克勒。组合来自相关信息源的概率分布。{it管理科学}，27（4）：479-4881981·Zbl 0458.62007号
[62] G.Xu和M.G.Genton。Tukey g和h随机域。{美国统计协会杂志}，2016年出版。
[63] S.J.Yakowitz和F.Szidarovszky。克里格法与非参数回归法的比较。多元分析杂志，16:21-531985·Zbl 0591.62060号
[64] Z.Ying。高斯过程数据下最大似然估计量的渐近性质。多元分析杂志，36:280-2961991·Zbl 0733.62091号
[65] Z.Ying先生。空间采样方案下参数的最大似然估计。{《统计年鉴》，21:1567-15901993年·Zbl 0797.62019号
[66] H.Zhang和Y.Wang。海量空间数据的克里格和交叉验证。{\it Environmetrics}，21:290-3042010年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。