处理数据不一致性和模型不充分性的统计校准 / 预测模型的关键综述

Nov, 2016

处理数据不一致性和模型不充分性的统计校准 / 预测模型的关键综述

A critical review of statistical calibration/prediction models handling data inconsistency and model inadequacy

Pascal Pernot, Fabien Cailliez

TL;DR本文在贝叶斯框架下，回顾和评估标准和最先进的统计模型，并在合成和真实数据集上进行测试，以用于校准 Lennard-Jones 参数的 Chapman-Enskog 模型中温度依赖粘度的校准。

Abstract

Inference of physical parameters from reference data is a well studied problem with many intricacies (inconsistent sets of data due to experimental systematic errors, approximate physical models...). The complexity is further increased when the inferred parameters are used to make pred

physical parameters experimental data predictive modeling statistical models calibration

发现论文，激发创造

一种贝叶斯方法用于使用计算密集模型进行参数估计和预测

本研究提出了一种基于贝叶斯模型校准的方法，通过统计公式将计算模型的输出与物理测量结果结合，从而进行推理，并估算了原子核的质量参数。

Jul, 2014

回归任务中的不确定性预测评估和校准

本文提出了一种新的针对回归任务中不确定性预测校准的方法和评估方法，并通过对合成问题和对 COCO 和 KITTI 数据集的物体检测边界框回归任务的实验验证，展示出基于直方图的聚类方法和基于缩放的校准方法的效果相当好。

May, 2019

贝叶斯自适应校准与最优设计

这篇论文介绍了一种基于贝叶斯自适应实验设计的数据高效算法，用于校准自然现象的计算机模型，并展示了该方法在人工合成数据和真实数据问题中相比其他方法的优势。

May, 2024

数据时代下的湍流模型

本研究回顾了在边界层流领域，纳维尔 - 斯托克斯 (Navier-Stokes) 方程的雷诺平均数 (RANS) 模型中，使用实验数据和直接数值模拟数据进行误差边界估计的研究。具体而言，研究探索了通过物理约束来约束 RANS 模型中的误差幅度，采用统计推断来表征模型系数，估算误差，并使用机器学习来优化流体力学的领域。研究结果表明，通过利用湍流建模和物理约束的基础知识，可以实现基于数据的流体力学预测模型的建立。

Mar, 2018

超越分类的校准测试

这篇论文提出了第一个框架，统一了概率预测模型的校准评估和测试，并应用于分类和任意维度回归模型。

Oct, 2022

可扩展的生化过程常微分方程模型推断

本文综述了目前用于参数估计和模型推断的先进方法，重点关注了可扩展性，在特别是在大规模模型的分析中，高效算法可以显著减少计算时间所需。

Nov, 2017

空间环境下预测方法的一致验证

空间预测是天气预报、空气污染研究等科学探索的关键。确定在统计或物理方法中信任预测的程度对科学结论的可信度至关重要。本文中我们基于现有的共变量转移方法，根据验证数据提出了一个新方法，并在模拟和真实数据上通过经验证明了其优势。

Feb, 2024

利用辅助区间预测器通过不确定性匹配构建校准的深度模型

为了解决深度学习模型不确定性的问题，开发了一种新的方法来构建校准的估计器，通过预测模型和区间估计模型交互，显著提高了回归、时间序列预测和对象定位等任务的效果和校准能力。

Sep, 2019

使用校准回归的深度学习准确不确定性

本文探讨贝叶斯方法在不确定性问题上的推理方法，提出一种简单有效的校准程序，可以保证在足够的数据下，任何回归算法都能够产生准确的校准不确定性估计，并应用于贝叶斯线性回归、前向和递归神经网络中，能够稳定输出准确的区间预测，并提高时间序列预测和基于模型的强化学习性能。

Jul, 2018

表征模型不足：一种随机算子方法

本文提出一种概率的物理意义下的随机不足算子，用于化学动力学反应机理的不充分模型，通过高维层级贝叶斯推断对模型参数及超参数进行校准，以解决数学模型适应性差的问题。

Apr, 2016