کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6928650 1449342 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A near-optimal sampling strategy for sparse recovery of polynomial chaos expansions
ترجمه فارسی عنوان
یک استراتژی نمونه برداری نزدیک به مطلوب برای بهبود ضعیف از گسترش هرج و مرج چندجملهای
کلمات کلیدی
نمونه برداری فشرده، هرج و مرج چندجمله ای گسترش می یابد، استراتژی نمونه برداری، پیش بینی مبتنی بر جایگزین، طراحی آزمایش، چندجملهای لژاندر،
ترجمه چکیده
نمونه گیری فشرده سازی به عنوان یک روش به طور گسترده ای برای ساختن جایگزین های هرج و مرج چندجملهای تبدیل شده است که تعداد نمونه های شبیه سازی در دسترس محدود است. در اصل، این نمونه شبیه سازی گرانشی در مکان های تصادفی در فضای پارامتر به دست می آید. بعدا نشان داده شد که انتخاب محل نمونه ها می تواند به طور قابل توجهی بر دقت جایگزین های نتیجه حاصل شود. این راهبردهای نمونه گیری جدید انگیزه یا روش های طراحی آزمایشی مانند نمونه گیری مطلوب یکپارچگی است که هدف آن ارتقاء امری منسجم است. در این مقاله، ما یک استراتژی نمونه گیری پیشنهاد می کنیم که می تواند مکان های نمونه نزدیک به مطلوب را شناسایی کند که منجر به بهبود ویژگی های همبستگی محلی و همچنین افزایش خواص متقابل همبستگی ماتریس های اندازه گیری می شود. ما انگیزه های نظری را برای استراتژی نمونه گیری پیشنهاد شده همراه با چندین مثال عددی ارائه می دهیم که نشان می دهد که استراتژی نمونه گیری نزدیک به مطلوب ما نتایج قابل توجهی دقیق تر را در مقایسه با سایر استراتژی های نمونه گیری تولید می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
یک استراتژی نمونه برداری نزدیک به مطلوب برای بهبود ضعیف از گسترش هرج و مرج چندجملهای
چکیده انگلیسی
Compressive sampling has become a widely used approach to construct polynomial chaos surrogates when the number of available simulation samples is limited. Originally, these expensive simulation samples would be obtained at random locations in the parameter space. It was later shown that the choice of sample locations could significantly impact the accuracy of resulting surrogates. This motivated new sampling strategies or design-of-experiment approaches, such as coherence-optimal sampling, which aim at improving the coherence property. In this paper, we propose a sampling strategy that can identify near-optimal sample locations that lead to improvement in local-coherence property and also enhancement of cross-correlation properties of measurement matrices. We provide theoretical motivations for the proposed sampling strategy along with several numerical examples that show that our near-optimal sampling strategy produces substantially more accurate results, compared to other sampling strategies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 371, 15 October 2018, Pages 137-151
نویسندگان
, ,