Суррогатное моделирование разноточных данных в случае выборок большого размера

Скачать insert_drive_file

Авторы:

Е.В. Бурнаев, А.А. Зайцев

Издание:

Информационные процессы, Том 15, No 1, 2015, стр. 97–109

Абстракт:

В работе рассматривается задача построения суррогатной модели в случае наличия данных низкой и высокой точности. Данные низкой точности могут быть получе- ны, например, в результате проведения компьютерного моделирования, а данные высокой точности – в результаты проведения экспериментов в аэродинамической трубе. Для мо- делирования разноточных данных удобной оказывается модель регрессии на основе гаус- совских процессов, с помощью которой можно эффективно восстанавливать нелинейные зависимости и оценивать точность прогноза зависимости в заданной точке. Однако, для выборок с размерами больше нескольких тысяч точек непосредственное применение ре- грессии на основе гауссовских процессов становится невозможным из-за высокой вычисли- тельной сложности алгоритма. В данной работе предложены алгоритмы, которые позволя- ют обрабатывать выборки разноточных данных с помощью аппарата регрессии на основе гауссовских процессов даже в случае выборок большого размера. Приводятся примеры применения разработанных алгоритмов для решения задач суррогатного моделирования сложных инженерных конструкций.

Ключевые слова: Аппроксимация, Гауссовские процессы

LinkedIn
VK

Контактная информация

location_on  117246, Москва, Научный проезд, д. 17, 15 этаж

phone  +7 (495) 669-68-15

mail_outline  info@datadvance.net

Связаться navigate_next