Core Concepts
低次元代替モデルを構築し、最適化コストを削減する方法に焦点を当てる。
Abstract
低次元代替モデルの構築に関する理論的保証が重要。
Gaussian process regression(GPR)を使用して保守的な近似を行う。
2つの新しいアプローチ(ブートストラップと集中不等式)が提案されている。
最適化問題に対する制約の違反に対処するため、Active Subspace Methodが使用されている。
アルゴリズムは熱設計のおもちゃの最適化問題でテストされている。
Introduction
高次元モデルの最適化は困難である。
次元削減技術(ASM)は有用であり、不確実性も定量化できる。
Theoretical setting
ASMは問題の次元削減に役立つ。
主成分分析やGPRなどが活用されている。
Active subspace optimization
ASMはFNGPRとGNGPRを解くことで最小値を見つけようとしている。
Methodology
GPRやASMなどの手法が使用されている。
バイアス付きASMアプローチが提案されており、効果的な結果が得られている。
Numerical Experiments
熱設計問題への応用ではCASMアプローチが有効であった。
バイアス値βを調整することで正確な制約条件を満たすことが可能だった。
Quotes
"低次元代替モデルの構築に関する理論的保証が重要。"
"バイアス付きASMアプローチが提案されており、効果的な結果が得られている。"