G配合

R包GPfit:高斯过程建模。将高斯过程(GP)模型拟合到确定性模拟器的计算稳定方法。高斯过程(GP)模型是用于模拟昂贵计算机模拟器的常用统计元模型。如果输入空间中任意一对设计点靠近,则拟合GP模型可能在数值上不稳定。Ranjan、Haynes和Karsten(2011)提出了一种计算稳定的方法来将GP模型拟合到确定性计算机模拟器上。他们使用了一种基于遗传算法的方法,这种方法是健壮的,但是为了最大化似然性而计算密集。本文实现了Ranjan等人(2011)提出的模型的一个稍微修改的版本,即新的R包GPfit。一种新的空间相关函数参数化和一种新的基于多起点梯度的优化算法产生的优化是鲁棒的,通常比基于遗传算法的方法更快。我们给出了两个带有R代码的例子来说明GPfit中主要函数的用法。几个测试函数用于与流行的R包mlegp进行性能比较。GPfit是一个免费软件,根据通用公共许可证发布,是R软件项目(R开发核心团队2012)的一部分。


zbMATH中的参考文献(参考文献19条,1标准件)

显示第1至19个结果,共19个。
按年份排序(引用)

  1. 小倩;曼达尔,阿披代;林,C.德文;邓新伟:EzGP:易于解释的定量和定性因素的计算机实验高斯过程模型(2021)
  2. 洪英超;米查利迪斯,乔治;PakHai Lok,Horace:定位计算机实验中的无限间断(2020)
  3. 杰克逊,塞缪尔E。;弗农,伊恩;刘俊丽;Lindsey,Keith:通过仿真和历史匹配了解激素串扰(2020)
  4. 宋芝丽;王文佳;普卢姆利,马修;本杰明哈兰:大规模多输入计算机实验的多分辨率函数方差分析(2020)
  5. 杨,F。;林,C.德文;Ranjan,P.:通过估计模拟器的多个轮廓对响应面进行全局拟合(2020年)
  6. Haziq Jamil,Wicher Bergsma:iprior:使用I-priors进行回归建模的R包(2019年)阿尔十四
  7. Mickaël Binois和Victor Picheny:GPareto:基于高斯过程的多目标优化和分析的R包(2019)不是zbMATH
  8. 拉马苏布拉曼尼亚,卡尔提克;Abhishek Singh:使用R进行机器学习。R中的时间序列和基于行业的用例(2019)
  9. 弗农,伊恩;杰克逊,塞缪尔E。;乔纳森A.卡明:复杂计算机模型的已知边界模拟(2019)
  10. 埃里克森,科林B。;布鲁斯·恩曼,安克。;Sanchez,Susan M.:高斯过程建模软件比较(2018)
  11. 莱瑟曼,艾琳R。;桑特纳,托马斯J。;Dean,Angela M.:精确预测的计算机实验设计(2018)
  12. 马修·卡马西;皮埃尔巴比隆;马修·奇奥德蒂;梅林·凯勒;Eric Parent:CaliCo:a R包用于贝叶斯校准(2018)阿尔十四
  13. Robert Gramacy:laGP:R中通过局部近似高斯过程进行大规模空间建模(2016)不是zbMATH
  14. 布莱克·麦克唐纳;普里塔姆·兰扬;休·奇普曼:GPfit:R软件包,用于将高斯过程模型拟合到确定性模拟器输出(2015)不是zbMATH
  15. 克里斯托弗·帕西奥雷克;本杰明利普希茨;魏卓;普拉巴特;考夫曼;Rollin Thomas:R中的并行高斯过程计算(2015)不是zbMATH
  16. 葛兰西,罗伯特B。;宾厄姆,德里克;霍洛威,詹姆斯·保罗;格罗斯科普夫,迈克尔J。;库兰兹,卡罗琳·C。;拉特,艾丽卡;特兰瑟姆,马特;Drake,R.Paul:校准模拟辐射冲击流体动力学的大型计算机实验(2015)
  17. 耶斯帕洛莫;芮保罗;Gonzalo García-Donato:SAVE:计算机模型统计分析的R包(2015)不是zbMATH
  18. 巴特勒,A。;海恩斯,R.D。;汉弗莱斯,医学博士。;Ranjan,P.:高斯过程建模中似然函数的有效优化(2014)
  19. Blake MacDoanld,Hugh Chipman,Pritam Ranjan:GPfit:使用新优化算法进行高斯过程模型拟合的R包(2013)阿尔十四