高维贝叶斯优化的随机最大似然
摘要：随机最大似然（RML）是一种近似后验抽样方法，广泛应用于具有复杂前向模型的贝叶斯反问题中，特别是在石油工程应用中。该过程涉及解决一个多目标优化问题，当涉及高维度和计算成本约束时，这可能是具有挑战性的。我们提出了一种基于高维贝叶斯优化文献的新方法来解决RML优化问题。通过在不同的目标函数之间共享数据，我们能够以大大降低的计算成本实施RML。我们通过与通过替代优化方法获得的解决方案在各种合成和现实世界问题上的比较，包括医学和流体动力学应用，展示了我们方法的优势。此外，我们还证明了我们方法产生的样本在所有实验中都很好地覆盖了高后验密度区域。
作者：Valentin Breaz, Richard Wilkinson
论文ID：2204.08022
分类：Computation
分类简称：stat.CO
提交时间：2022-04-19