融合解析与数据驱动方法的模型判别实验设计
应用统计
2019-01-15 v2 机器学习
摘要
医疗公司在营销新技术前必须将药物或医疗器械提交给监管机构。监管机构经常要求透明且可解释的计算建模来证明新的医疗技术，但研究人员可能对一个生物系统有若干相互竞争的模型，且数据太少而无法区分这些模型。在用于模型判别的实验设计中，目标是设计信息量最大的物理实验以区分竞争的预测模型。先前工作要么聚焦于解析方法(无法处理所有函数)，要么聚焦于数据驱动方法(可能有计算困难或缺乏可解释的边际预测分布)。我们开发了一种用高斯过程代理替代原始机制模型的方法论。从而我们以计算高效的方式将现有为解析模型开发的实验设计与模型判别方法扩展到非解析模型的情形。
引用
@article{arxiv.1802.04170,
title = {Design of Experiments for Model Discrimination Hybridising Analytical and Data-Driven Approaches},
author = {Simon Olofsson and Marc Peter Deisenroth and Ruth Misener},
journal= {arXiv preprint arXiv:1802.04170},
year = {2019}
}