Dec, 2009

已知均值和协方差函数条件下的 Kriging 预测器点态一致性

PDF
TL;DR该研究探讨了关于 Kriging 预测器的一些问题，当均值和协方差函数已知时，探索了在复现核希尔伯特空间中近似的性质，并纠正了 Yakowitz 和 Szidarovszky（1985 年 J. Multivariate Analysis）的错误声明，即在某些假设下，Kriging 预测器对于所有连续样本路径是点度相容的。
kriging predictormean functioncovariance functionreproducing kernel hilbert spacespointwise consistency
发现论文，激发创造
  • 高斯过程在模型误差条件下的超参数交叉验证和最大似然估计

    研究估计协方差超参数的最大似然（ML）和交叉验证（CV）方法， 结果发现 CV 方法在协方差函数被错误指定时表现更好，但当模型被很好指定时，ML 更优。进一步将单参数情况扩展到了估计具有协方差函数的超参数的情况。

    Jan, 2013

  • 非参数二元回归的高斯过程先验的后验一致性

    本文研究了一个由高斯过程引发的二进制观测数据的后验分布的一致性，当协方差核有所需的导数和核的带宽参数允许取任意小的值时，后验分布在 L1 距离中是一致的。

    Feb, 2007

  • 高斯过程的恒定时间预测分布

    本文提出一种基于 Lanczos 算法的方法 LOVE（LanczOs Variance Estimates）来解决高斯过程回归的计算瓶颈，大大提高了协方差的计算效率和采样速度。

    Mar, 2018

  • 高维高斯过程建模的加性协方差核

    本文旨在探讨适用于构建加法 Kriging 模型的协方差核，并描述所得模型的一些特性。

    Nov, 2011

  • 线性约束高斯过程

    本文对高斯过程中的协方差函数进行了修改，以正确地考虑已知的线性约束条件，并通过将目标函数建模为底层函数的一个变换来将约束条件显式地纳入模型中，最终提出一个设计变换算子的方法，并在模拟数据和真实数据示例中进行了实证研究。

    Mar, 2017

  • 具有大量观测数据集的嵌套克里金预测

    本文介绍了一种基于 Kriging 插值技术的嵌套预测器方法，通过聚合基于观测点子集的子模型来减轻计算负担，该方法在理论上具有比其他文献中的聚合方法更好的性能，并在模拟数据集和工业测试案例中进行了实际验证。

    Jul, 2016

  • Mercer 核和综合方差实验设计：高斯过程回归和多项式逼近之间的联系

    研究实验设计过程以开发计算模型代理， 探索实验设计和近似算法之间的相互作用。重点研究了两种广泛使用的近似方法：高斯过程回归和非侵入式多项式近似。

    Feb, 2015

  • 高斯均值全方位健壮估计器

    本文研究了一个基于迭代重新加权的估计方法，该方法针对多元高斯分布的均值具有鲁棒性，且具有多个优秀性质，包括计算上的可行性、对平移、伸缩和正交变换的不变性、高断点以及渐近有效性。此外，本文还为提出的估计器建立了无维度的非渐近风险界限，并将结果推广到了子高斯分布和污染率未知、协方差矩阵未知等情形。

    Feb, 2020

  • 高斯过程的协方差核采样路径规律

    通过对协方差核函数进行充分的必要条件判断，我们揭示了高斯过程的样本路径达到特定规则的条件，并证明了这些结果对机器学习中常用的 Matern 高斯过程等样本路径规则的特征提供了新颖而紧凑的描述。

    Dec, 2023

  • 基于机器学习的高斯过程回归系统可靠性分析

    机器学习可靠性分析方法在计算效率和准确性方面取得了巨大的进展。本文探讨了一些理论上的最佳学习策略，并通过模拟结果验证了考虑 Kriging 相关性的最佳学习策略在减少性能函数评估次数方面优于其他学习方法。

    Mar, 2024