Convergent Design Sequences, for Sufficiently Regular Optimality Criteria
充分正则最优性准则下的收敛设计序列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：摘要研究通用最优实验设计与数值收敛，未明确涉及所列经济计量细分。
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
充分正则最优性准则下的收敛设计序列
- 研究问题
- 在最优实验设计中，基于局部二次近似的迭代能否收敛，其渐近收敛速度与最速下降设计序列有何区别？
- 方法与思路
- 作者在当前设计附近对准则作二次Taylor展开，求近似最优方向，再沿该方向选择使原准则最小的步长。
- 材料陈述的贡献
- 摘要称，在严格凸性等正则条件下，两类序列的信息矩阵均趋于最优值，且二次序列的渐近收敛速度更快。
- 阅读关注点
- 应核对设计更新的可行性、正则条件与收敛速度定义，并检查设计点聚类合并的处理及数值例子的比较设置。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；不能将特定条件下的速度结论推广至所有准则，例子中的优势也不等于普遍优势。
原文摘要
For an optimality criterion function $\Phi$ and a design $\xi_n$, approximate $\Phi(\mathbf{M}(\xi))$ near $\xi_n$ by a quadratic Taylor expansion, let $\xi_n + \eta$ minimize this approximation, and let $\xi_{n+1} = \xi_n + \alpha\eta$, with $\alpha$ minimizing $\Phi(\mathbf{M}(\xi_{n+1}))$. If $\Phi$ satisfies regularity conditions, including strict convexity, possession of three continuous derivatives, and finiteness only for nonsingular $\mathbf{M}$, then $\mathbf{M}(\xi_n)$ converges to the optimal value for both the Federov steepest descent sequence and the above quadratic sequence, with the quadratic sequence having a faster asymptotic convergence rate. Methods are discussed for collapsing clusters of design points during the iterative process. In a simple example with $D$-optimality, the two methods are comparable. In a more complicated example the quadratic method is far superior.