통제된 가우시안 프로세스 예측 불확실성을 이용한 베이지안 모델 업데이트

요약: 베이지안 모델 업데이트는 노이즈가 포함된 실험 측정을 기반으로 계산 모델의 알려지지 않은 매개변수를 식별하기 위해 공학에서 널리 사용됩니다. 그러나 실제 응용에서는 계산 모델을 반복적으로 평가하는 것이 요구될 수 있어, 직접적인 베이지안 추론이 일반적으로 광범위한 샘플링 절차에 의존하므로 힘들어집니다. 따라서 대체 모델, 특히 가우시안 프로세스 회귀가 모델 반응의 예측과 근사 불확실성의 확률적 특성을 제공할 수 있는 능력 덕분에 자주 사용됩니다. 그럼에도 불구하고 대체 모델에서 도입된 불확실성은 베이지안 추론 절차 내에서 항상 일관되게 처리되지 않습니다. 이 기여는 가우시안 프로세스 대체 모델에 의해 유도된 예측 불확실성을 분석적 마진을 통해 가능도 함수로 명시적으로 전파하는 베이지안 모델 업데이트를 위한 프레임워크를 제안합니다. 또한, 제안된 프레임워크는 측정 잡음 특성의 동시 식별을 허용합니다. 더욱이, 모델 증거 추정의 불확실성을 제어하면서 대체 모델을 적응적으로 정제하기 위한 능동 학습 전략이 개발됩니다. 결과적으로 이 공식은 대체 불확실성, 측정 잡음 및 적응 학습이 베이지안 추론 내에서 일관된 확률적 방식으로 처리되는 통합된 프레임워크를 제공합니다. 이 접근 방식은 간단한 동적 시스템을 통해 설명됩니다.