似然变换：简化优化与参数估计
广义相对论与量子宇宙学
2014-02-26 v1
摘要
参数化优化和参数估计在现代科学、技术和工程的几乎每个分支中都至关重要。该问题中的一个实际困难是，当参数空间很大且可用数据含有噪声时，参数空间中似然面的几何结构将变得复杂。这使得搜索和优化算法计算代价高昂，有时甚至无法实现。在本文中，我们定义了一种似然变换，它可以使似然面的结构大大简化，从而降低内在复杂性并显著 облегчить 优化。我们通过将其应用于简化的引力波啁啾信号搜索来演示似然变换的性质。对于信噪比为 20 的信号，似然变换首次使基于模板的确定性搜索成为可能，其效率比基于穷举网格的搜索高出 1000 倍。原则上，该方法可应用于其他领域的其他问题，因为参数化优化和参数估计问题的本质是相同的。
引用
@article{arxiv.1402.6211,
title = {Likelihood transform: making optimization and parameter estimation easier},
author = {Yan Wang},
journal= {arXiv preprint arXiv:1402.6211},
year = {2014}
}
备注
5 pages