不精确概率的数值评估的随机优化
摘要：使用不精确概率的应用中，分析人员需要计算下限（或上限）期望，即在一组参数值上对期望的下确界。蒙特卡洛方法能够一致地近似固定参数值的期望，但是在网格搜索中实现在参数空间的大子集中定位极小值时可能成本高昂。我们研究了使用随机迭代根查找方法来有效计算下限期望。在两个示例中，我们说明了各种随机逼近方法的应用，并证明了与网格搜索相比它们的卓越性能。
作者：Nicholas Syring, Ryan Martin
论文ID：2103.02659
分类：Computation
分类简称：stat.CO
提交时间：2021-03-05