序贯决策在实验科学中的最优学习
机器学习
2020-04-15 v2 人工智能
摘要
物理、生物与医学科学中的发现过程可能极其缓慢。大多数实验会失败，从研究启动到新进展实现商业化生产可能长达20年。本教程旨在为实验科学家提供决策科学的基石。文章借助作者亲身经历的数值示例，阐述了任何实验性学习问题的基本要素。它强调了信念模型的重要作用，该模型不仅包含由先前研究、过往实验与科学专长提供的关系的最佳估计，也包含这些关系中的不确定性。我们引入学习策略的概念，并回顾策略的主要类别。随后我们介绍一种称为知识梯度的策略，其最大化每次实验的信息价值。我们揭示了降低不确定性的重要性，并针对不同的信念模型展示了这一过程。
引用
@article{arxiv.2004.05417,
title = {Optimal Learning for Sequential Decisions in Laboratory Experimentation},
author = {Kristopher Reyes and Warren B Powell},
journal= {arXiv preprint arXiv:2004.05417},
year = {2020}
}