面向混合多响应的贝叶斯稀疏回归及其在雾制造运行时指标预测中的应用
统计方法学
2022-10-12 v2 机器学习
摘要
雾制造可通过分布式雾计算单元极大增强传统制造系统，这些单元由不同工业互联架构下预测性计算负载卸载方法所支配。已知预测性卸载方法高度依赖于运行时性能指标的准确预测与不确定性量化，后者包含多变量混合类型响应（即连续、计数、二值）。本工作中，我们提出一种面向多变量混合响应的贝叶斯稀疏回归，以提升运行时性能指标的预测并实现统计推断。所提方法同时考虑分组与个体变量选择，以联合建模混合类型的运行时性能指标。多个响应间的条件依赖由精度矩阵构成的图模型描述，其中采用 spike-and-slab 先验以实现图结构的稀疏估计。所提方法不仅取得准确预测，还借助对模型参数与预测的统计推断使预测模型更具可解释性，服务于雾制造。我们开展仿真研究及雾制造真实案例以彰显所提模型的优势。
引用
@article{arxiv.2210.04811,
title = {Bayesian Sparse Regression for Mixed Multi-Responses with Application to Runtime Metrics Prediction in Fog Manufacturing},
author = {Xiaoyu Chen and Xiaoning Kang and Ran Jin and Xinwei Deng},
journal= {arXiv preprint arXiv:2210.04811},
year = {2022}
}
备注
Accepted by Technometrics, Sep. 2022