用于错误指定动态模型非参数校正的实验设计
机器学习
2017-06-06 v3
摘要
我们考虑一类错误指定的动态模型，其中控制项仅近似已知。假设对于各种初始条件可以访问系统演化的观测，我们的目标是从中推断控制项的非参数校正，以忠实表示系统动态并为未观测的初始条件设计系统演化预测。我们将未知校正项建模为高斯过程，并分析高效实验设计问题，以在有限实验预算等约束下找到最优校正项。我们提出了一种用于该高斯过程的实验设计新公式，并表明通过利用子模优化文献中的结果，可以有效推导出近似最优（至多常数因子）的设计。数值实验例证了这些技术的有效性。
引用
@article{arxiv.1705.00956,
title = {Experimental Design for Non-Parametric Correction of Misspecified Dynamical Models},
author = {Gal Shulkind and Lior Horesh and Haim Avron},
journal= {arXiv preprint arXiv:1705.00956},
year = {2017}
}
备注
A couple of (??) were corrected