• 统计研究中心
当前位置: 首页 > 系列讲座 > 正文

中国科学院数学与系统科学研究院何煦副研究员:Sequentially refined Latin hypercube designs with flexibly and adaptively chosen sample sizes

光华讲坛——社会名流与企业家论坛第 6569 期

主 题Sequentially refined Latin hypercube designs with flexibly and adaptively chosen sample sizes连续改进拉丁超立方体设计,灵活和自适应地选择样本大小

主讲人中国科学院数学与系统科学研究院何煦副研究员

主持人统计学院林华珍教授

时间:2023年9月15日(周五)上午11-12点

举办地点:柳林校区弘远楼408会议室

主办单位:统计研究中心和统计学院 科研处

主讲人简介:

何煦副研究员于2007年本科毕业于北京大学数学科学学院,2012年博士毕业于威斯康星大学麦迪逊分校统计系。2012年起进入中国科学院数学与系统科学研究院工作。何煦的研究方向包括实验设计、计算机实验及不确定性量化,在Annals of Statistics,Journal of the American Statistical Association,Biometrika等杂志发表论文十余篇,曾主持国家自然科学基金委优秀青年基金、面上项目、青年基金。

内容简介

Latin hypercube designs are the most popular type of experimental design for computer experiments. Sequentially refined Latin hypercube designs are useful for computer experiments that are carried out in batches. In this work, we propose the first type of sequentially refined Latin hypercube designs that allow the size of subsequent batches to be flexibly chosen after completing former batches. Numerical results show our proposed designs are uniformly better than preceding types of sequentially refined Latin hypercube designs for the problem of uncertainty quantification.

拉丁超立方体设计是计算机实验中最流行的实验设计类型。顺序改进的拉丁超立方体设计对于批量进行的计算机实验是有用的。在这项工作中,主讲人提出了第一种顺序改进的拉丁超立方体设计,允许在完成前一批后灵活选择后续批次的大小。数值结果表明,本文提出的设计方案在不确定性量化问题上均优于以往的顺序精化拉丁超立方体设计方案。

上一条:南方科技大学统计与数据科学系李曾副教授:Robust estimation of number of factors in high dimensional factor modeling via Spearman's rank correlation matrix

下一条:香港中文大学宋心远教授:Hidden Markov models with an unknown number of hidden states