MFNets：作为信息源有向网络的数据高效一体化多保真代理模型学习
机器学习
2021-08-25 v2 机器学习
摘要
我们提出了一种由具有不同代价与精度的信息源集合构建代理模型的方法。该多保真代理将信息源之间的连接编码为一个有向无环图，并通过基于梯度的非线性最小二乘目标最小化进行训练。尽管绝大多数最先进方法假设信息源之间存在层次化连接，我们的方法适用于结构灵活、可能不具严格层次的信息源。该表述具有两个优势：(1) 由于可针对应用定制的简洁多保真网络带来的数据效率提升；(2) 对训练数据无约束——我们可以组合信息源的含噪、非嵌套评估。从合成算例到基于物理的计算力学模拟的数值结果表明，尤其在低数据情形下，我们方法的误差可比单保真与层次化多保真方法小数个数量级。
引用
@article{arxiv.2008.02672,
title = {MFNets: Data efficient all-at-once learning of multifidelity surrogates as directed networks of information sources},
author = {Alex Gorodetsky and John D. Jakeman and Gianluca Geraci},
journal= {arXiv preprint arXiv:2008.02672},
year = {2021}
}
备注
24 pages