Key points are not available for this paper at this time.
يتم تناول مشكلة مركزية في النمذجة، وهي تعلم نموذج جبري من بيانات تم الحصول عليها من المحاكاة أو التجارب. تم اقتراح منهجية تستخدم عددًا قليلاً من المحاكات أو التجارب لتعلم نماذج دقيقة وبسيطة قدر الإمكان. تبدأ الطريقة ببناء نموذج بديل منخفض التعقيد. يتم بناء النموذج باستخدام تقنية أفضل مجموعة تستفيد من صياغة برمجة صحيحة تسمح بالنظر بكفاءة في عدد كبير من المكونات الوظيفية المحتملة في النموذج. يتم تحسين النموذج بعد ذلك بشكل منهجي من خلال استخدام حلول تحسين خالية من المشتقات لأخذ عينات بشكل تكيفي من نقاط جديدة للمحاكاة أو التجربة. يتم وصف التعلم الآلي للنماذج الجبرية لتحسين (ALAMO)، التنفيذ الحاسوبي للمنهجية المقترحة، مع أمثلة ومقارنات حسابية موسعة بين ALAMO ومجموعة متنوعة من تقنيات التعلم الآلي، بما في ذلك أخذ عينات مكعبة لاتينية، والانحدار الأدنى البسيط، واللاسو.
Cozad et al. (Wed,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: