基于广义均值目标不确定性代价的实验设计
信号处理
2018-05-04 v1 应用统计
摘要
均值目标不确定性代价（MOCU）量化了使用在系统不确定性类上最优的算子、相对于使用对特定系统最优的算子所带来的性能代价。基于 MOCU 的实验设计选取一个实验以最大化地降低 MOCU，从而获取对影响操作目标的不确定性最大的削减。原始公式适用于寻找最优系统算子，其中最优性相对于某一代价函数（如均方误差）；且支配不确定性类的先验分布与底层物理系统直接相关。本文给出广义 MOCU 及相应的实验设计。我们随后证明这一新公式在存在实验误差时，将材料科学与基因组网络中所发展的基于 MOCU 的实验设计方法作为特例包含在内。最为重要的是，我们表明经典的知识梯度（Knowledge Gradient）与高效全局优化（Efficient Global Optimization）实验设计过程实际上是在其建模假设下的基于 MOCU 实验设计的实现。
引用
@article{arxiv.1805.01143,
title = {Experimental Design via Generalized Mean Objective Cost of Uncertainty},
author = {Shahin Boluki and Xiaoning Qian and Edward R. Dougherty},
journal= {arXiv preprint arXiv:1805.01143},
year = {2018}
}