高维和高阶多信度蒙特卡洛估计器
摘要：多信度蒙特卡洛方法依赖于一系列可能不太准确但统计相关的简化或约简模型的层次结构，以加速对高保真模型的统计量估计，同时不影响估计的准确性。这种方法在不确定性量化中最近受到广泛关注。这部分是由于对数量感兴趣的期望值估计的最优策略的可用性。在实践中，估计期望的最优策略也被用于方差和敏感性指标的估计。然而，对于矢量值问题、非线性统计相关模型和没有误差的闭式表达式的估计器，仍然缺乏一个通用策略。本文的关注点是将标准的多信度估计器推广到上述情况。所提出的广义估计器导致了一个可以通过解析方法求解并且其系数可以通过高、低保真模型少数运行的数值估计来确定的优化问题。我们对所提出方法在选定的实验中的性能进行了分析，重点关注心脏电生理学，其中可用的一系列基于物理的低保真模型。
作者：Alessio Quaglino, Simone Pezzuto, Rolf Krause
论文ID：1807.10521
分类：Numerical Analysis
分类简称：math.NA
提交时间：2020-10-29