Zobrazeno 1 - 10
of 3 287
pro vyhledávání: '"Optimal experiment design"'
Monitoring networks increasingly aim to assimilate data from a large number of diverse sensors covering many sensing modalities. Bayesian optimal experimental design (OED) seeks to identify data, sensor configurations, or experiments which can optima
Externí odkaz:
http://arxiv.org/abs/2410.07215
We tackle the Optimal Experiment Design Problem, which consists of choosing experiments to run or observations to select from a finite set to estimate the parameters of a system. The objective is to maximize some measure of information gained about t
Externí odkaz:
http://arxiv.org/abs/2312.11200
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Catanach, Tommie A., Das, Niladri
The conventional approach to Bayesian decision-theoretic experiment design involves searching over possible experiments to select a design that maximizes the expected value of a specified utility function. The expectation is over the joint distributi
Externí odkaz:
http://arxiv.org/abs/2304.07949
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Pecci, Filippo, Stoianov, Ivan
Publikováno v:
Computers & Operations Research, Volume 153, 2023, 106181, ISSN 0305-0548
Optimal Experiment Design for parameter estimation in water networks has been traditionally formulated to maximize either hydraulic model accuracy or spatial coverage. Because a unique sensor configuration that optimizes both objectives may not exist
Externí odkaz:
http://arxiv.org/abs/2207.04897
Autor:
Matthew Yoko, Matthew P. Juniper
Publikováno v:
Data-Centric Engineering, Vol 5 (2024)
We develop and demonstrate a computationally cheap framework to identify optimal experiments for Bayesian inference of physics-based models. We develop the metrics (i) to identify optimal experiments to infer the unknown parameters of a physics-based
Externí odkaz:
https://doaj.org/article/f6dd01b588da43fb9206ab6ca99b1a13
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.