安德烈亚斯·克劳斯;辛格、阿吉特;卡洛斯·盖斯特林 高斯过程中的近最优传感器布置：理论、有效算法和实证研究。 （英语） Zbl 1225.68192号 J.马赫。学习。物件。 9, 235-284 (2008). 摘要：在监测空间现象时，通常可以将其建模为高斯过程（GP），选择传感器位置是一项基本任务。有几种常见的策略来解决这一任务，例如，几何或磁盘模型，将传感器放置在GP模型中熵（方差）最高的点，以及A-、D-或E-最优设计。在本文中，我们解决了最大化所选位置和未选择位置之间的互信息的组合优化问题。我们证明了寻找最大化互信息的配置的问题是NP完全的。为了解决这个问题，我们通过利用互信息的子模来描述一个多项式时间近似，它在最佳值的（1-1/e）范围内。我们还展示了如何使用子模块获取在线边界，以及如何设计分支和边界搜索过程。然后，我们扩展了我们的算法，以利用GP中的惰性评估和局部结构，从而产生显著的加速。我们还扩展了我们的方法，以找到对模型中的节点故障和不确定性具有鲁棒性的位置。这些扩展再次与严格的理论近似保证相关联，利用了目标函数的子模性。在对两个真实世界数据集进行的非常广泛的实证研究中，我们展示了我们的方法在优化相互信息方面的优势。 引用于139文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 90C27型 组合优化 关键词：高斯过程;实验设计;主动学习;空间学习;传感器网络 软件：SeDuMi公司;地质雷达 PDF格式BibTeX公司 XML格式引用 \textit{A.Krause}等人，J.Mach。学习。第9、235--284号决议（2008年；Zbl 1225.68192） 全文： 链接