کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4949284 1440043 2017 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Developments of the total entropy utility function for the dual purpose of model discrimination and parameter estimation in Bayesian design
ترجمه فارسی عنوان
پیشرفت های عملکرد کلی آنتروپی برای هدف دوگانه تبعیض مدل و برآورد پارامتر در طراحی بیزی
کلمات کلیدی
مدل های خطی کلی، مدل های غیر خطی عمودی، طراحی مطلوب، فیلتر ذرات، طراحی پیوسته، مونت کارلو توزیع،
ترجمه چکیده
عملکرد کلی آنتروپی برای هدف دوگانه تبعیض مدل و برآورد پارامتر در طراحی بیزی در نظر گرفته شده است. یک تنظیم طراحی پیوسته در نظر گرفته شده است که در آن نشان داده شده است که چگونه به طور موثر برآورد کل عملکرد انتروپی در تنظیمات داده های گسسته. برآورد سودمندی مبتنی بر تقسیم ذرات تشکیل شده به تعدادی از انتگرال های قابل حل است که توسط استفاده از الگوریتم پیوسته مونت کارلو برای استنتاج بیزی به دست می آید. تعدادی از نمونه های انگیزشی برای نشان دادن عملکرد آنتروپی کل در مقایسه با امکانات برای تبعیض مدل و ارزیابی پارامترها مورد توجه قرار گرفته اند. نتایج نشان می دهد که کل ابزار آنتروپی طرح هایی را انتخاب می کند که در هر دو هدف تجربی کارآیی داشته و سازش کمی در دستیابی به یک هدف داشته باشند. به همین ترتیب، برای نوع مشکلی که در این مقاله مورد توجه قرار گرفته است، ابزار انتروپی کل به عنوان یک ابزار کلی برای طراحی بیزی در حضور عدم قطعیت مدل حمایت می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The total entropy utility function is considered for the dual purpose of model discrimination and parameter estimation in Bayesian design. A sequential design setting is considered where it is shown how to efficiently estimate the total entropy utility function in discrete data settings. Utility estimation relies on forming particle approximations to a number of intractable integrals which is afforded by the use of the sequential Monte Carlo algorithm for Bayesian inference. A number of motivating examples are considered for demonstrating the performance of total entropy in comparison to utilities for model discrimination and parameter estimation. The results suggest that the total entropy utility selects designs which are efficient under both experimental goals with little compromise in achieving either goal. As such, for the type of problems considered in this paper, the total entropy utility is advocated as a general utility for Bayesian design in the presence of model uncertainty.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 113, September 2017, Pages 207-225
نویسندگان
,