Modelo no-lineal en muchas dimensiones

Question

Estoy interesado en la comparación de un modelo no lineal con hasta 12 parámetros para muchos conjuntos de datos. Sin embargo, cada instancia de la modelo lleva una cantidad significativa de tiempo para calcular (~1 hora), así que estoy pre-informática instancias del modelo para distintos valores de los parámetros y, a continuación, la comparación de estos a todos los conjuntos de datos diferentes.

Hay varias maneras de muestra parámetro espacio - hasta ahora, me he encontrado con mallas regulares (imposible), escasa rejillas + interpolación, Monte-Carlo de muestreo aleatorio, y hay probablemente otros. El enfoque que sería óptimo para una cantidad fija de recursos de computación, y por lo tanto un número fijo de instancias de modelo?

Answer 1

Mi entendimiento es que la metodología óptima va a depender de la textura de la superficie de la parametrización de los errores. Es decir, ¿con qué frecuencia los parámetros reflejan o se manifiestan como las interacciones? Si cada parámetro es un valor individual que tiene su propia y distinta de los mínimos independiente de todos los demás parámetros de ajuste del modelo debe proceder fácilmente con escasa redes y de la interpolación. Si en cambio hay un montón de mínimos locales usted puede encontrar que el repuesto rejillas de interpolación y rara vez caen en los mismos valores. Dado el tiempo requerido para que se ajuste a su modelo dudo de Monte-Carlo de muestreo aleatorio será el mejor enfoque. Otro enfoque que usted no ha considerado aún son los algoritmos genéticos, pero de nuevo la convergencia a una sola respuesta puede ser difícil.