×
王晓静;James O·伯杰。

使用高斯过程估计形状约束函数。 （英语） Zbl 1347.60040号

SIAM/ASA J.不确定性。数量。 4, 1-25 (2016).
摘要：高斯过程是一种常用的非参数函数估计工具，因为它具有灵活性，并且随后的许多计算都是参数高斯计算。通常，该函数是已知的形状约束类，例如单调函数或凸函数类。只要定理2.2.2中的均方可微条件R.J.阿德勒[《随机场的几何》，奇切斯特：约翰·威利父子出版社，第十一版（1981；Zbl 0478.60059号)]保持。通过模拟和两个实际数据示例，探讨并说明了通过该设备引入形状约束的可能性和挑战。第一个示例涉及模拟车辆防撞性的计算机模型，第二个示例涉及仿真预测产品混合罐中成分溶解的计算机模型。计算是通过吉布斯采样方案进行的。

引用于16文件

理学硕士：

60G15年 高斯过程
62G05型 非参数估计
62G08号 非参数回归和分位数回归
2015年1月62日 贝叶斯推断
62层30 约束条件下的参数化推理
65C60个 统计中的计算问题（MSC2010）
第60页 统计学在工程和工业中的应用；控制图

关键词：

高斯过程;形状约束函数;吉布斯采样;衍生产品;单调函数;凸函数

引文：

Zbl 0478.60059号

软件：

spBayes公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Wang}和\textit{J.O.Berger}，SIAM/ASA J.不确定。数量。4、1--25（2016；Zbl 1347.60040）
全文： 内政部

参考文献：

[1] R.J.Adler，《随机场的几何》，第62卷，SIAM，费城，1981年·Zbl 0478.60059号
[2] S.Banerjee、B.P.Carlin和A.E.Gelfand，《空间数据的分层建模和分析》，第1版，查普曼和霍尔/CRC，佛罗里达州博卡拉顿，2004年·Zbl 1053.62105号
[3] S.Banerjee、A.E.Gelfand和C.F.Sirmans，{空间过程模型下的方向变化率}，J.Amer。统计师。协会，98（2003），第946-954页·Zbl 1045.6206号
[4] M.J.Bayarri、J.O.Berger、M.C.Kennedy、A.Kottas、R.Paulo、J.Sacks、J.A.Cafeo、C.-H.Lin和J.Tu，《预测车辆耐撞性：功能和层次数据的计算机模型验证》，J.Amer。统计师。协会，104（2009），第929-943页·Zbl 1388.62382号
[5] B.Bornkamp，{关于形状约束下的非参数贝叶斯分析及其在生物统计学中的应用}，博士论文，多特蒙德科技大学，2009年·Zbl 1159.62023号
[6] I.-S.Chang，L.-C.Chien，C.A.Hsiung，C.C.Wen，Y.-J.Wu，{随机Bernstein多项式的形状限制回归}，IMS课堂讲稿Monogr。序列号。，54（2007），第187-202页。
[7] A.E.Gelfand、A.F.M.Smith和T.M.Lee，{使用吉布斯抽样对约束参数和截断数据问题进行贝叶斯分析}，J.Amer。统计师。协会，87（1992），第523-532页。
[8] S.Golchi、D.R.Bingham、H.Chipman和D.A.Campbell，计算机实验的单调模拟，SIAM/ASA J.不确定。数量。，3（2015），第370-392页·兹比尔1327.62146
[9] J.P.Gosling，J.E.Oakley，A.O'Hagan，et al.，{重尾先验分布的非参数启发}，贝叶斯分析。，2（2007年），第693-718页·Zbl 1331.62217号
[10] M.Lavine和A.Mockus，《等张回归的非参数贝叶斯方法》，J.Statist。计划。推理，46（1995），第235-248页·Zbl 0833.62040号
[11] L.Lin和D.B.Dunson，{使用高斯过程投影的贝叶斯单调回归}，《生物统计学》，101（2014），第303-317页·Zbl 1452.62285号
[12] M.D.Morris、T.J.Mitchell和D.Ylvisaker，《计算机实验的贝叶斯设计和分析：导数在表面预测中的应用》，《技术计量学》，35（1993），第243-255页·Zbl 0785.62025号
[13] B.Neelon和D.Dunson，{贝叶斯等渗回归和趋势分析}，《生物统计学》，60（2004），第398-406页·Zbl 1125.62023号
[14] F.Perron和K.Mengersen，｛\it使用三角形分布混合物的贝叶斯非参数建模｝，生物计量学，57（2001），第518-528页·Zbl 1209.62039号
[15] C.E.Rasmussen和C.Williams，《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
[16] J.Riihima­ki和A.Vehtari，{带单调信息的高斯过程}，J.Mach。学习。Res.，9（2010），第645-652页。
[17] T.S.Shively、T.W.Sager和S.G.Walker，《非参数单调函数估计的贝叶斯方法》，J.Roy。统计师。Soc.序列号。B、 71（2009），第159-175页·Zbl 1231.62058号
[18] E.Solak、R.Murray-Smith、W.E.Leithead、D.J.Leith和C.E.Rasmussen，{动态系统高斯过程模型中的导数观测}，《神经信息处理系统会议论文集》，S.Becker、S.Thrun和K.Obermayer编辑，《高级神经信息处理》。系统。15，麻省理工学院出版社，剑桥，2003年，第1033-1040页。
[19] E.T.Spiller、M.J.Bayarri、J.O.Berger、E.S.Calder、A.K.Patra、E.B.Pitman和R.L.Wolpert，《地球物理灾害图自动仿真器构建》，SIAM/ASA J.Uncertain。数量。，2（2014年），第126-152页·Zbl 1308.62182号
[20] G.Stephenson，{在计算机模型的统计分析中使用导数信息}，博士论文，英国南安普顿大学，2010年。
[21] X.Wang，{使用潜在结构的贝叶斯建模}，博士论文，杜克大学，北卡罗来纳州达勒姆，2012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。