[论文解读] The Nu Class of Low-Degree-Truncated, Rational, Generalized Functions. I. IMSPE in Design of Computer Experiments: Integrals and Very-Low-N, Single-Factor, Free-Ranging Designs

S. B. Crary|arXiv (Cornell University)|Apr 18, 2016

Gaussian Processes and Bayesian Inference参考文献 10被引用 3

一句话总结

本文引入了Nu类——一类低次截断的有理广义函数——其源自计算机实验中集成均方预测误差（IMSPE）的精确代数表达式。研究证明，在单因素、极低样本量（N=1,2）的自由设计下，指数、高斯和马尔可夫相关函数下的IMSPE可简化为该类的成员，从而实现精确的解析优化，并揭示了实验设计中预测误差的结构性特征。

ABSTRACT

We provide detailed algebra for determining the integrated mean-squared prediction error (IMSPE) of designs of computer experiments, with one factor and one or two points, under the exponential, Gaussian, or either of two Matern correlation functions. This algebra shall provide the basis for the identification of the IMSPE as a member of a special class of low-degree-truncated rational functions, which we name, here, the Nu class. We shall detail this function class in a series of papers, of which this is the first.

研究动机与目标

• 推导在单因素且样本量极小（N=1,2）的计算机实验中，集成均方预测误差（IMSPE）的精确代数表达式。
• 识别在不同相关函数下，IMSPE作为一类新型有理函数（称为Nu类）的结构特征。
• 通过以闭式表达形式表征IMSPE，为未来计算机实验设计的解析与计算进展奠定基础。
• 通过提供预测误差的精确非渐近表达式，实现设计点的精确优化。

提出的方法

• 利用指数、高斯以及两种形式的马尔可夫相关函数，推导IMSPE的精确闭式表达式。
• 应用符号积分技术，对N=1和N=2的连续自由设计空间计算IMSPE。
• 识别出所得的IMSPE表达式为分子与分母均为低次多项式的有理函数，且在低次项处截断。
• 基于其代数结构与截断特性，将所得函数形式定义为一类新型广义函数，命名为Nu类。
• 利用符号计算与代数化简，揭示不同相关模型下IMSPE的有理性与低次性特征。
• 在一系列附录中呈现结果，提供完整的推导过程与支持性代数恒等式，以确保可复现性与进一步分析。

实验结果

研究问题

• RQ1 在指数、高斯及马尔可夫相关函数下，单因素、自由设计且N=1与N=2时，集成均方预测误差（IMSPE）的精确解析形式为何？
• RQ2 IMSPE的结构能否在不同相关模型下，系统性地按其函数形式进行分类？
• RQ3 IMSPE能否表示为一类新型有理、低次截断广义函数的成员？若可，该类的定义特性为何？
• RQ4 IMSPE的精确计算所揭示的代数特性，如何促进计算机实验中设计优化的改进？
• RQ5 IMSPE的函数形式在不同相关函数之间如何变化？这对设计效率有何影响？

主要发现

• 单因素、N=1与N=2设计下的IMSPE可精确表示为分子与分母均为低次多项式的有理函数。
• 在指数、高斯以及两种形式的马尔可夫相关函数下，精确的IMSPE表达式均属于新定义的函数类，称为Nu类。
• Nu类具有低次截断与有理结构特征，从而在设计优化中具备解析可处理性。
• 代数推导表明，IMSPE并非渐近表达，而可对极小的N精确计算，为非近似设计评估提供了基础。
• IMSPE的函数形式在不同相关函数下保持结构不变，仅在参数化上有所不同，暗示存在统一的解析框架。
• 结果由符号推导完全支持，并以20个附录形式呈现，确保可复现性，并为未来扩展至更高N或多因素情形提供可能。