基于扩展平衡增广经验似然的仿真校准

Minh Khoa Nguyen,史蒂夫·菲尔普斯,永隆Ng

研究成果:对日记账的贡献第条同行审查

5 引文(Scopus)
239 下载(纯)

摘要

本文介绍了一种用于校准仿真模型的平衡增广经验似然(eBAEL)方法的扩展。我们在两个仿真研究中证明了我们的方法的有效性,其中我们校准了几何布朗运动过程的不同分布和参数的矩,并将我们的方法与其他基于仿真的方法进行了比较。在这些基准实验中,我们观察到经验似然方法的收敛均方误差。事实上,结果表明,eBAEL方法能够为校准提供最佳的均方误差,尤其是最稳健的校准方法,尤其是在存在噪声的情况下。
原始语言英语
页面(从至)1093-1112
页数20
日记账统计与计算
体积25
发行编号6
早期在线日期2014年9月3日
内政部
出版物状态已发布-2015年11月

指纹

深入研究“使用扩展平衡增强经验似然进行基于仿真的校准”的研究主题。它们一起形成了一个独特的指纹。

引用这个