Optimal Design of Experiments on Riemannian Manifolds
黎曼流形上的最优实验设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及通用流形实验设计理论，没有明确的因果效应识别或所列其他专门研究对象。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
黎曼流形上的最优实验设计
- 研究问题
- 当实验位置位于黎曼流形而非欧氏空间时，如何定义和求解最优设计，并刻画设计对响应预测方差的影响？
- 方法与思路
- 作者将最优实验设计理论拓展到黎曼流形，研究 D 最优与 G 最优设计的等价关系，并提出寻找最优设计的收敛算法。
- 材料陈述的贡献
- 摘要称，研究给出两种最优准则的等价结果及最大预测方差下界，数值实验展示考虑流形结构的重要性和算法表现。
- 阅读关注点
- 应核对回归模型和流形的适用条件、设计空间与准则定义，以及等价定理、方差下界和算法收敛的具体范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未列出定理条件，数值中的算法优势不能推广为普遍优越性。
原文摘要
The theory of optimal design of experiments has been traditionally developed on an Euclidean space. In this article, new theoretical results and an algorithm for finding the optimal design of an experiment located on a Riemannian manifold are provided. It is shown that analogously to the results in Euclidean spaces, D-optimal and G-optimal designs are equivalent on manifolds, and we provide a lower bound for the maximum prediction variance of the response evaluated over the manifold. In addition, a converging algorithm that finds the optimal experimental design on manifold data is proposed. Numerical experiments demonstrate the importance of considering the manifold structure in a designed experiment when present, and the superiority of the proposed algorithm. Supplementary materials for this article are available online.