具有大量观测数据集的嵌套克里金预测

Jul, 2016

具有大量观测数据集的嵌套克里金预测

Nested Kriging predictions for datasets with large number of observations

Didier Rullière, Nicolas Durrande, François Bachoc, Clément Chevalier

TL;DR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。

Abstract

This work falls within the context of predicting the value of a real function at some input locations given a limited number of observations of this function. The kriging interpolation technique (or Gaussian process regression) is often considered to tackle such a problem but the metho

kriging interpolation technique nested kriging predictors sub-models aggregation methods computational burden

发现论文，激发创造

高维问题的梯度增强克里金法

本文研究提出了新的梯度增强代理模型，通过采用部分最小二乘法，该方法得以减少超参数数目，控制相关矩阵大小，以及优化采样点，比现有的基于代理模型的解决方案更快速地获得所需精度。

Aug, 2017

大规模空间数据的多分辨率逼近

本文提出了一种多分辨率逼近方法 (M-RA) 来处理具有不同空间坐标观测值的高斯过程，并基于多尺度基函数对空间结构进行建模。该方法既适用于参数推断，又适用于大规模数据集的预测，并且可以在分布式计算环境下实现并行化。通过模拟数据和卫星数据集的比较实验，M-RA 方法表现出优越的性能。

Jul, 2015

时空深入克里金插值和概率预测

本文提出了一种基于深度神经网络的两阶段模型来进行时空插值和预测，并应用于 $PM_{2.5}$ 数据的快速插值和带不确定性的预测。

Jun, 2023

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

大规模风场空间插值的双变量深度克里金方法

本文提出了一种名为双变量深度克里金的方法，通过基于空间径向基函数构建嵌入层的深度神经网络进行空间建模，结合 bootstrap 和集成深度神经网络来进行不确定性量化，提高风速数据预测的精度和计算效率。

Jul, 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

来自数据的核学习到深渊的核流

通过基于先前指定的内核，采用数值逼近方法进行核函数选择 / 构造，从而探索构造非参数深度内核的解决方案，通过减半插值点的数量（使用与内核相关联的本征 RKHS 范数进行度量）而不会显着损失精度的简单前提来进行核函数选择。

Aug, 2018

使用结构化内核插值的高斯过程回归生成大规模磁场地图

我们提出了一种映射算法，用于在室内环境中通过近似高斯过程回归计算大规模磁场地图，以用于室内区域的定位算法。

Oct, 2023

克里金卷积网络

介绍了一种结合了图卷积网络和 Kriging 方法的 “Kriging 卷积网络”（KCN）以及其在几个应用中的表现，通过直接利用邻近的观测值，以及包含个别的 Kriging 方法来生成预测。

Jun, 2023

基于克里金法的伪标签生成增强地面 PM2.5 预测

通过引入一种称为普通克里金法的空间插值技术生成的伪标签，将未标记的卫星图像与稀疏的地面测量数据融合，从而充分利用可用的卫星数据资源来增强卷积神经网络 - 随机森林模型的性能，提高空间相关性并降低预测误差。

Jan, 2024