MMOct, 2023

跳跃不连续函数的替代活跃子空间

PDF
TL;DR通过对不连续模拟器的分析，本研究将代理模型和主动子空间的方法扩展至社会科学领域，揭示了它们在处理不连续输出时的局限性，并通过在合成测试函数上进行数值实验，比较了连续和不连续函数上的高斯过程估计。最终，在模拟的中非和中东 8 个流离失所危机中，应用该方法于 Flee 代理模型中，得到了关于哪些参数最重要的全新见解。
surrogate modelingactive subspacesdiscontinuous simulatorsagent-based modelsrefugee movement
发现论文，激发创造
  • 活跃子空间方法在理论和实践中的应用：矿晶面

    提出了一种新的建立响应面的方法：先检测强变异性的方向，然后利用这些方向来建立低维度的 active subspace 中的响应面，并使用误差界限将理论量与 kriging 响应面的参数联系起来。

    Apr, 2013

  • 识别政策梯度子空间

    通过评估两种常用的深度策略梯度方法在各种模拟基准任务上的表现，我们的研究结果表明，尽管强化学习所固有的数据分布不断变化，梯度子空间仍然存在，这为未来更高效的强化学习提供了有益的方向，例如通过改善参数空间探索或实现二阶优化。

    Jan, 2024

  • 主动子空间通用上界

    对传统主动子空间方法的概率 Poincaré 不等式的估计方法在 Poincaré 常数无界时不适用的情况提出了改进方案，给出了两个或更高维中指数分布随机变量的相关 Poincaré 常数表达式，并探讨了将更多分布应用于该方法的未来工作。

    Oct, 2019

  • 多元向量值函数的共享活跃子空间

    本文提出了几个作为计算多元向量值函数的共享主动子空间的基线的方法，其目标是最小化原始空间上的函数评估与重构空间上的函数评估之间的偏差，可以通过操作梯度或从每个分量函数的梯度计算的对称正（半）定矩阵来得到所有分量函数共同的单一结构，这些方法可以应用于任何数据，不受底层分布的限制，与现有的受限于正态分布的向量值方法不同，我们测试了这些方法在五个优化问题上的效果，实验结果表明，总体而言，基于对称正定矩阵的方法优于基于梯度的方法，在正态分布的情况下接近于向量值方法，有趣的是，在大多数情况下，取这些对称正定矩阵的和即可识别出最佳的共享主动子空间。

    Jan, 2024

  • 基于主动学习的代理建模技术用于高效模拟参数非线性系统

    本研究提出了一种非侵入式优化准则，以有效地构建参数化代理模型，利用基于核的浅层神经网络的主成分分析子空间和主动学习方法构建了 ActLearn-POD-KSNN 代理模型，该模型可以有效地预测新参数位置处的求解，即使在有多个相互作用的激波轮廓的情况下。

    Jun, 2023

  • 推进社会和健康计算科学中代理模型现状的先进替代方法的有前景且值得尝试的未来方向

    该研究论文介绍了模型分析工具在实际大规模 ABMs（基于代理的模型）中的执行和运行性能问题，并提出了一些适用于非线性动力模型的替代模型，这些方法在社会健康计算科学领域尚未得到广泛运用，但在建立 ABMs 的替代模型方面可能是有用的。

    Mar, 2024

  • 深度神经网络中的有效可扩展不确定性量化学习主动子空间

    本研究提出了一种新颖的方案，通过构建神经网络参数的低维子空间（称为活跃子空间）来解决贝叶斯深度学习中由于参数空间的高维导致的计算复杂性限制。我们展示了显著降低的活跃子空间，通过 Monte Carlo（MC）采样方法或变分推断实现了可行和可扩展的贝叶斯推断，为各种回归任务提供了可靠的预测和鲁棒的不确定性估计。

    Sep, 2023

  • 利用主动子空间捕捉深度生成模型分子设计中的认知模型不确定性

    通过利用低维活跃子空间捕捉模型参数的不确定性，提出了一种基于活跃子空间的不确定性量化方案，用于高维参数空间中估计表观模型不确定性，并展示了在表观不确定性下探索分子优化的模型多样性的实证研究，为生成分子设计中的不确定性问题提供了解决方法。

    Apr, 2024

  • 面向代理模拟器的干预一致替代模型

    基于代理的模拟器提供复杂智能系统的细粒度表示，以直接模拟系统组成代理之间的交互。虽然它们的高保真性使得可以进行超局部政策评估和场景推测，但其大量计算成本限制了它们的广泛应用。本文中，我们利用因果抽象的最新发展，提出了一种用于学习在代理模拟器下具备干预一致性的替代模型的框架。我们的方法能够在复杂系统中快速针对政策干预进行实验，同时在感兴趣的干预下，以高概率使得替代模型行为与基于代理的模拟器保持一致。我们通过实证研究证明，在观测训练的替代模型中，会误判干预效果并引导决策制定者走向次优政策，而通过我们提出的方法进行干预一致性训练的替代模型能够在感兴趣的干预下与基于代理的模型行为非常接近。

    Dec, 2023

  • 用于离散决策众包模型校准的自动梯度估计

    该研究探讨了用于模拟交通疏散的基于力的模型的校准问题，研究了梯度下降和元启发式方法，在分析中发现梯度估计的精度受到模型特性和参数分布的影响。

    Apr, 2024