Mostrar el registro sencillo del ítem

RobustGaSP: Robust Gaussian Stochastic Process Emulation in R

dc.contributor.authorGu, Mengyang
dc.contributor.authorPalomo, Jesus
dc.contributor.authorBerger, James
dc.date.accessioned2023-11-27T11:47:59Z
dc.date.available2023-11-27T11:47:59Z
dc.date.issued2019-08
dc.identifier.citationMengyang Gu, Jesus Palomo, James O. Berger (2019) RobustGaSP: Robust Gaussian Stochastic Process Emulation in R. En The R Journal.Num.11(1) pags.112-136. ISSN: 2073-4859es
dc.identifier.issn2073-4859
dc.identifier.urihttps://hdl.handle.net/10115/26551
dc.descriptionLa emulación de procesos estocásticos gausianos (GaSP en sus siglas en inglés) es una herramienta muy potente para aproximar modelos matemáticos basados en programas de ordenador. Sin embargo, la tarea que comporta estimar los parámetros es compleja debido a que, a menudo, no hay un estimador en forma cerrada disponible y surgen muchos problemas numéricos con las estimaciones estándar, por ejemplo, el estimador de máxima verosimilitud. En el paquete RobustGaSP implementamos un estimador marginal basado en la moda a posteriori para distribuciones a priori y parametrizaciones especiales. Este método de estimación, que cumple con los criterios de estimación de parámetros robustos que se discuten en Gu et al. (2018), proporciona justificación matemática para explicar por qué la estimación robusta de parámetros puede mejorar en gran medida el rendimiento predictivo del emulador. Además, las entradas inertes (entradas que casi no tienen efecto sobre la variabilidad de una función) pueden identificarse a partir de la estimación obtenida sin costo computacional adicional. El paquete también implementa el emulador del proceso estocástico gaussiano parcial paralelo (PP GaSP) (Gu y Berger (2016)) para el escenario en donde el modelo de ordenador tiene múltiples salidas en, por ejemplo, coordenadas espacio-temporales. El paquete se puede operar en un modo predeterminado, pero también permite numerosas especificaciones de usuario, como la capacidad de especificar funciones de tendencia y términos de ruido. En el artículo se presentan ejemplos para resaltar el rendimiento del paquete en términos de predicción fuera de muestra.es
dc.description.abstractGaussian stochastic process (GaSP) emulation is a powerful tool for approximating computationally intensive computer models. However, estimation of parameters in the GaSP emulator is a challenging task. No closed-form estimator is available and many numerical problems arise with standard estimates, e.g., the maximum likelihood estimator. In this package, we implement a marginal posterior mode estimator, for special priors and parameterizations. This estimation method that meets the robust parameter estimation criteria was discussed in Gu et al. (2018); mathematical reasons are provided therein to explain why robust parameter estimation can greatly improve predictive performance of the emulator. In addition, inert inputs (inputs that almost have no effect on the variability of a function) can be identified from the marginal posterior mode estimation at no extra computational cost. The package also implements the parallel partial Gaussian stochastic process (PP GaSP) emulator (Gu and Berger (2016)) for the scenario where the computer model has multiple outputs on, for example, spatial-temporal coordinates. The package can be operated in a default mode, but also allows numerous user specifications, such as the capability of specifying trend functions and noise terms. Examples are studied herein to highlight the performance of the package in terms of out-of-sample prediction.es
dc.language.isoenges
dc.publisherThe R Journales
dc.rightsAttribution 4.0 International
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectemulationes
dc.subjectcomputer modelses
dc.subjectBayesian statisticses
dc.titleRobustGaSP: Robust Gaussian Stochastic Process Emulation in Res
dc.typeinfo:eu-repo/semantics/articlees
dc.identifier.doi10.32614/RJ-2019-011es
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution 4.0 InternationalExcepto si se señala otra cosa, la licencia del ítem se describe como Attribution 4.0 International