Key points are not available for this paper at this time.
순차 설계는 낮은 계산 예산을 활용하여 컴퓨터 실험을 설계하기 위한 일반적인 프레임워크를 제공하는 능동 학습의 매우 활발한 연구 분야입니다. 이것은 복잡한 컴퓨터 코드를 대체할 수 있는 효율적인 대체 모델을 생성하는 데 널리 사용되었으며, 특히 불확실성 정량화, 베이지안 최적화, 신뢰성 분석 또는 모델 보정 작업에 사용됩니다. 이 작업에서는 비용이 많이 드는 컴퓨터 코드의 에뮬레이터 역할을 하는 가우시안 프로세스 대체 모델을 사용하는 베이지안 역문제를 위한 순차 설계 전략이 개발되었습니다. 제안된 전략은 단계적 불확실성 감소(SUR) 패러다임에 맞춰 조정된 목표 지향 I 최적 기준에 기반합니다. SUR 전략에서는 아직 알려지지 않은 새로운 데이터 점에 대한 불확실성 메트릭의 기대값을 최소화하여 새로운 설계 지점을 선택합니다. 이러한 방법은 실험의 순차 설계를 위한 접근 가능한 프레임워크를 제공하면서 가장 널리 사용되는 메트릭에 대해 거의 확실한 수렴을 포함하므로 점점 더 많은 관심을 끌고 있습니다. 본 논문에서는 가중치 통합 평균 제곱 예측 오차를 도입하여 새로 제안된 IP-SUR(역문제 단계적 불확실성 감소) 순차 설계 전략의 불확실성 메트릭으로 사용됩니다. 이 전략은 연속 샘플 경로를 가진 스칼라 및 다중 출력 가우시안 프로세스 대체 모델 모두에 대해 다룰 수 있는 것으로 나타나며, 불확실성 메트릭의 거의 확실한 수렴에 대한 이론적 보장을 제공합니다. 이 작업의 전제는 새로 도출된 전략을 다른 단순 및 순차 설계(D-최적 설계, 베이지안 리스크 최소화)와 비교하는 다양한 테스트 사례에서 강조됩니다.
Lartaud et al. (Mon,)은 이 질문을 연구했습니다.