Multiresolution Functional ANOVA for Large-Scale, Many-Input Computer Experiments
面向大规模多输入计算机实验的多分辨率函数型方差分析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：摘要研究计算机实验代理与通用高维非线性回归，未明确涉及所列经济预测、因子或结构估计方向。
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…
面向大规模多输入计算机实验的多分辨率函数型方差分析
- 研究问题
- 当计算机实验样本规模和输入维度都较大、标准高斯过程仿真代理难以计算时，如何兼顾非线性拟合与预测不确定性量化？
- 方法与思路
- 作者提出多分辨率函数型方差分析模型，以重叠组套索进行估计，并将高维组套索的一致性和推断结果用于该模型。
- 材料陈述的贡献
- 摘要称新理论支持预测不确定性量化，数值示例显示计算优势，且所比较场景中的数据处理能力和仿真精度达到或超过现有工具。
- 阅读关注点
- 应核对多分辨率与交互项的构造、重叠分组的惩罚方式、推断所需条件，以及计算耗时和预测精度比较的实验设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；理论假设、具体规模和性能数值未提供，比较结论不能推广至所有仿真任务。
原文摘要
The Gaussian process is a standard tool for building emulators for both deterministic and stochastic computer experiments. However, application of Gaussian process models is greatly limited in practice, particularly for large-scale and many-input computer experiments that have become typical. We propose a multiresolution functional ANOVA (MRFA) model as a computationally feasible emulation alternative. More generally, this model can be used for large-scale and many-input nonlinear regression problems. An overlapping group lasso approach is used for estimation, ensuring computational feasibility in a large-scale and many-input setting. New results on consistency and inference for the (potentially overlapping) group lasso in a high-dimensional setting are developed and applied to the proposed MRFA model. Importantly, these results allow us to quantify the uncertainty in our predictions. Numerical examples demonstrate that the proposed model enjoys marked computational advantages. Data capabilities, in terms of both sample size and dimension, meet or exceed best available emulation tools while meeting or exceeding emulation accuracy. Supplementary materials for this article are available online.