安德烈·古斯塔沃·卡隆;迪亚·本·曼苏尔;路易斯·埃斯帕特;拉斐尔·霍尔多夫·洛佩兹;劳尔·坦彭 贝叶斯设计优化中使用拉普拉斯近似的Nesterov辅助随机梯度方法。 (英语) Zbl 1436.62372号 计算。方法应用。机械。工程师。 363,文章ID 112909,27 p.(2020). 摘要:寻找最佳实验设置是优化实验设计(OED)的首要关注点。在这里,我们关注的是贝叶斯实验设计问题,即寻找最大化香农期望信息增益的设置。我们使用随机梯度下降法及其加速下降法(使用Nesterov方法)来解决OED中的优化问题。我们采用了一种重新启动技术,该技术最初是为确定性优化中的加速而提出的,以改进随机优化方法。我们将这些优化方法与目标函数的三个估计量相结合:双回路蒙特卡罗估计量(DLMC)、使用后验分布拉普拉斯近似的蒙特卡罗估计器(MCLA)和基于拉普拉斯重要性抽样的双回路蒙特卡洛估计员(DLMCIS)。同时使用随机梯度方法和基于拉普拉斯的估值器,我们可以使用昂贵而复杂的模型,例如那些需要求解偏微分方程(PDE)的模型。从理论角度出发,我们推导了一个显式公式来计算蒙特卡罗方法的梯度估计器,包括MCLA和DLMCIS。从计算的角度,我们研究了四个示例:三个基于解析函数,一个使用有限元方法。最后一个例子是基于完整电极模型的电阻抗断层扫描实验。在这些例子中,使用MCLA的加速随机梯度下降法收敛到局部极大值,与使用DLMC的梯度下降法相比,该方法的模型评估减少了五个数量级。 引用于7文件 MSC公司: 62K05美元 最佳统计设计 65二氧化碳 蒙特卡罗方法 62L20型 随机近似 2008年6月62日 统计问题的计算方法 65N21型 含偏微分方程边值问题反问题的数值方法 关键词:最佳实验设计;贝叶斯推断;拉普拉斯近似;随机优化;加速梯度下降;重要性抽样 PDF格式BibTeX公司 XML格式引用 \textit{A.G.Carlon}等人,《计算》。方法应用。机械。工程363,文章ID 112909,27 p.(2020;Zbl 1436.62372) 全文: 内政部 arXiv公司 参考文献: [1] Chaloner,K。;Verdinelli,I.,《贝叶斯实验设计:综述》,《统计学》。科学。,273-304 (1995) ·Zbl 0955.62617号 [2] Ryan,K.J.,《应用于随机疲劳极限模型的实验设计预期信息增益估算》,J.Compute。图表。统计学。,12, 3, 585-603 (2003) [3] Huan,X.,《化学动力学模型的加速贝叶斯实验设计》(2010),麻省理工学院(博士论文) [4] 欢,X。;Marzouk,Y.M.,非线性系统基于仿真的最佳贝叶斯实验设计,J.Compute。物理。,232, 1, 288-317 (2013) [5] Spall,J.C.,《Kiefer-Wolfowitz环境下大维系统的随机近似算法》(决策与控制,1988年),第27届IEEE会议论文集,IEEE,1544-1548 [6] 龙,Q。;斯卡维诺,M。;丹蓬,R。;Wang,S.,基于拉普拉斯近似的贝叶斯实验设计预期信息增益的快速估计,计算。方法应用。机械。工程,259,24-39(2013)·Zbl 1286.62068号 [7] 欢,X。;Marzouk,Y.,《贝叶斯实验设计中基于梯度的随机优化方法》,《国际不确定性杂志》。数量。,4, 6, 1-41 (2014) [8] 贝克,J。;直径,B.M。;Espath,L.F.R。;龙,Q。;Tempone,R.,快速贝叶斯实验设计:预期信息增益的基于拉普拉斯的重要性抽样,计算。方法应用。机械。工程,334523-553(2018)·Zbl 1440.62293号 [9] Nemirovski,A.,凸规划中的有效方法(2005),Technion [10] 罗宾斯,H。;Monro,S.,《随机逼近方法》,《数学年鉴》。统计,400-407(1951)·Zbl 0054.05901号 [11] Nesterov,Y.,求解收敛速度为o(1/k2)的凸规划问题的方法,(苏联数学Doklady,第27卷(1983)),372-376·Zbl 0535.90071号 [12] 奥多诺休,B。;Candès,E.,《加速梯度方案的自适应重启》,Found。计算。数学。,15, 3, 715-732 (2015) ·Zbl 1320.90061号 [13] Nitanda,A.,最小化有限和的加速随机梯度下降,(人工智能与统计(2016)),195-203 [14] Shannon,C.E.,《通信数学理论》,贝尔系统。《技术期刊》,27,623-656(1948)·Zbl 1154.94303号 [15] Nelder,J.A。;Mead,R.,函数最小化的单纯形方法,计算。J.,7,4,308-313(1965)·Zbl 0229.65053号 [16] 基弗,J。;Wolfowitz,J.,回归问题中的优化设计,《数学年鉴》。统计,271-294(1959)·Zbl 0090.11404号 [17] Lai,T.L。;Robbins,H.,《自适应设计与随机逼近》,《安·统计》。,1196-1221 (1979) ·Zbl 0426.62059号 [18] 波利亚克,B.T。;Juditsky,A.B.,通过平均加速随机近似,SIAM J.控制优化。,30, 4, 838-855 (1992) ·Zbl 0762.62022号 [19] 科特,A。;O.沙米尔。;斯雷布罗,N。;Sridharan,K.,《通过加速梯度方法实现更好的微分支算法》,(神经信息处理系统进展(2011)),1647-1655 [20] Nesterov,Y.,《凸优化导论:基础课程》,第87卷(2013),Springer科学与商业媒体 [21] Rumelhart,D.E。;辛顿,G.E。;Williams,R.J.,《通过反向传播错误学习表征》,《自然》,3236088533(1986)·Zbl 1369.68284号 [22] 约翰逊,R。;Zhang,T.,使用预测方差减少加速随机梯度下降,(神经信息处理系统进展(2013)),315-323 [23] Allen Zhu,Z.,Katyusha:随机梯度方法的第一次直接加速,(第49届美国计算机学会SIGACT计算理论年度研讨会论文集(2017),美国计算机学会),1200-1205·Zbl 1369.68273号 [24] 苏,W。;博伊德,S。;Candès,E.J.,Nesterov加速梯度法建模的微分方程:理论与见解,J.Mach。学习。决议,17,153,1-43(2016)·Zbl 1391.90667号 [25] Timoshenko,S.P.,LXVI。关于棱柱杆横向振动微分方程的剪切修正,Lond。爱丁堡。都柏林菲洛斯。科学杂志。,41, 245, 744-746 (1921) [26] 萨默萨洛,E。;M.切尼。;Isaacson,D.,电流计算机断层扫描电极模型的存在性和唯一性,SIAM J.Appl。数学。,52, 1023-1040 (1992) ·Zbl 0759.35055号 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。