베이지안 최적 실험 설계

정확하고 확장 가능하며 효율적인 베이지안 최적 실험 설계를 위한 미분 정보 기반 신경 연산자

본 연구는 대규모 편미분 방정식 제약 하에서 베이지안 최적 실험 설계 문제를 해결하기 위해 정확하고 확장 가능하며 효율적인 계산 프레임워크를 제안한다. 이를 위해 미분 정보 기반 신경 연산자(DINO)를 활용하여 매개변수-관측 매핑과 그 미분을 정확하게 근사하고, 입력 및 출력 차원 축소 기법을 통해 계산의 확장성을 확보한다. 또한 DINO 기반의 효율적인 최적 설계 기준 계산 방법과 수정된 스와핑 탐욕 알고리즘을 제안한다.

정확하고 확장 가능하며 효율적인 베이지안 최적 실험 설계를 위한 미분 정보 기반 신경 연산자

비선형 모델에 대한 마르코프 체인 몬테카를로를 이용한 목표 지향적 베이지안 최적 실험 설계