基于贝叶斯混合模型的学习与优化

贝叶斯混合模型将基于物理的洞察与机器学习结构相融合，以修正系统偏差。本文中，我们将贝叶斯混合模型与基于物理的玻璃盒模型以及高斯过程黑盒代理模型进行比较。我们考虑以弹道发射作为贝叶斯决策工作流的示例性案例研究。首先，进行贝叶斯校准以估计模型参数。随后，我们利用贝叶斯分析得到的后验分布，通过单阶段随机规划计算命中目标的最优发射条件。该案例研究证明了贝叶斯混合模型能够以比纯机器学习方法更少的数据克服缺失物理带来的系统偏差。最终，我们认为贝叶斯混合模型是在参数与认知不确定性下进行数据驱动决策的新兴范式。