Tempered SMC for Sequential Bayesian Optimal Design
Résumé
Nous proposons une approche Monte Carlo séquentielle tempérée (SMC) pour l’optimisation séquentielle du design experimental dans un context bayésien. Le choix séquentiel des parametres de design est effectué par une procédure d’approximation stochastique (SA) incorporant des échantillonneurs SMC avec tempering. Le tempering rend possible à la fois un gain d’information important et un échantillonnage SMC précis. Cette combinaison originale de SA et SMC permet d’obtenir simultanément le design optimal et une approximation de la loi a posteriori des paramètres. Une application à une tache de localisation de sources illustre qu’un gain intéressant peut être atteint en utilisant des simulations pour limiter le nombre de mesures couteuses à faire sur le terrain.
Domaines
Statistiques [stat]Origine | Fichiers produits par l'(les) auteur(s) |
---|