Bayesian Calibration of Inexact Computer Models
不精确计算机模型的贝叶斯校准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：摘要讨论通用计算机模型校准，未表明其对应经济结构模型估计或其他所列细分方向。
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…
关注这篇论文的作者
不精确计算机模型的贝叶斯校准
- 研究问题
- 计算机模型同时包含校准参数与模型偏差时，如何缓解参数定义不明确及其后验分布过度宽泛的问题？
- 方法与思路
- 作者提出一种贝叶斯校准方案，将模型偏差的先验分布约束为与计算机模型的梯度正交，并通过解析结果和实例考察。
- 材料陈述的贡献
- 摘要称，正交偏差先验能够缓解既有贝叶斯校准方法的问题，并提供解析论证与示例，但未列出具体定理条件。
- 阅读关注点
- 应核对校准参数的目标定义、正交性使用的空间与内积，以及该约束如何影响参数和模型偏差的区分与后验宽度。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；正交约束的具体形式、适用条件及敏感性未说明，不能断言识别问题已普遍解决。
原文摘要
Bayesian calibration is used to study computer models in the presence of both a calibration parameter and model bias. The parameter in the predominant methodology is left undefined. This results in an issue, where the posterior of the parameter is suboptimally broad. There has been no generally accepted alternatives to date. This article proposes using Bayesian calibration, where the prior distribution on the bias is orthogonal to the gradient of the computer model. Problems associated with Bayesian calibration are shown to be mitigated through analytic results in addition to examples. Supplementary materials for this article are available online.