顺序拟合动机如果我们有一个只能采样的未知函数f(x),我们可以选择一个以参数向量p特征的已知函数g(x,p)。
用最小二乘法,我们可以找到p最小化的总和-的平方误差\sum_{x\inX}(g(x,p)-f(x))^2以设定的采样点的X。
如果评估f昂贵,那么仔细选择采样点符合我们的利益。
假设我们的模型已经很不错了,我们可以使用它来找出下一步要采样的地方。
猜测要采样的点是x^*,其中g(x^*,p)的p梯度尽可能大(这是我们最有可能从采样中学到的东西)的地方。
我们还希望避免在同一位置多次采样。
该程序包实现了这种顺序采样方法。
使用范例usingSequentialFit,Plotsgaussian(x,mu,sigma)=exp(-((x-mu)/sigma)^2)functionexpensiveFunction(x
2024/9/13 15:18:32
143KB
Julia
1