用于估计黑盒函数百分位数的序贯实验设计
统计理论
2016-05-23 v2 统计理论
摘要
在函数值评估次数受到严重限制（计算机实验的典型情况）时，估计具有随机输入的黑盒确定性函数的百分位数是一项具有挑战性的任务。本文提出两种基于高斯过程元模型的新序贯贝叶斯方法用于百分位数估计。两者都依赖于逐步不确定性缩减(Stepwise Uncertainty Reduction)范式，因此旨在提供一系列函数评估，以减少与百分位数估计量相关的不确定性度量。所提出的策略在几个数值例子上进行了测试，表明仅使用少量函数评估即可获得准确估计量。
引用
@article{arxiv.1605.05524,
title = {Sequential design of experiments for estimating percentiles of black-box functions},
author = {T Labopin-Richard and V Picheny},
journal= {arXiv preprint arXiv:1605.05524},
year = {2016}
}