一种用于降基方法的训练集子采样策略

我们提出了一种用于降基方法离线阶段的子采样策略。该方法旨在降低使用精细采样训练集所带来的可观离线成本。所提算法利用枢轴 QR 分解与离散经验插值方法的潜力来识别重要参数样本。它包含两个阶段。在第一阶段，我们在精细训练集上构造解流形的低 fidelity 逼近。然后，对于输出变量的可用低 fidelity 快照，我们应用枢轴 QR 分解或离散经验插值方法以识别参数域中的一组稀疏采样位置。这些点揭示了输出变量参数依赖的结构。第二阶段使用包含远少于初始训练集参数数量的子采样训练集进行。我们也考虑了受近期经验插值方法变体启发的不同子采样策略。在基准例子上的测试验证了新方法，并展示其在生成可靠降阶模型的同时大幅加速降基方法离线阶段的潜力。