GaussED：一种用于顺序实验设计的概率编程语言
摘要：使用顺序算法进行实验设计已经很流行了，这可以有效地进行仿真、优化和推断。对于大多数这些应用，都开发了定制软件，但这种方法是通用的，并且在这种软件中执行的许多实际计算是相同的。受到原则上可以用相同代码解决的不同问题的启发，本文提出了GaussED，一个简单的概率编程语言，与一个强大的实验设计引擎相结合，共同实现对高斯过程模型中感兴趣的（可能是非线性的）数量的顺序实验设计的自动化。使用少量命令，GaussED可以被用于：解决线性偏微分方程、从积分数据进行层析重建和实施带有梯度数据的贝叶斯优化。
作者：Matthew A. Fisher, Onur Teymur and Chris. J. Oates
论文ID：2110.08072
分类：Computation
分类简称：stat.CO
提交时间：2021-10-18