Group kernels for Gaussian process metamodels with categorical inputs - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2019

Group kernels for Gaussian process metamodels with categorical inputs

Résumé

Gaussian processes (GP) are widely used as a metamodel for emulating time-consuming computer codes. We focus on problems involving categorical inputs, with a potentially large number L of levels (typically several tens), partitioned in G << L groups of various sizes. Parsimonious covariance functions, or kernels, can then be defined by block covariance matrices T with constant covariances between pairs of blocks and within blocks. We study the positive definiteness of such matrices to encourage their practical use. The hierarchical group/level structure, equivalent to a nested Bayesian linear model, provides a parameterization of valid block matrices T. The same model can then be used when the assumption within blocks is relaxed, giving a flexible parametric family of valid covariance matrices with constant covariances between pairs of blocks. The positive definiteness of T is equivalent to the positive definiteness of a smaller matrix of size G, obtained by averaging each block. The model is applied to a problem in nuclear waste analysis, where one of the categorical inputs is atomic number, which has more than 90 levels.
Fichier principal
Vignette du fichier
groupKernels (1).pdf (1.29 Mo) Télécharger le fichier
2groupes (1).pdf (83.17 Ko) Télécharger le fichier
5_5_8_8_-5_4_1 (1).pdf (9.72 Ko) Télécharger le fichier
5_5_8_8_-5_4_20Q2 (1).pdf (5.67 Ko) Télécharger le fichier
5_5_8_8_-5_4_5 (1).pdf (9.71 Ko) Télécharger le fichier
5_5_8_8_-5_4_6 (1).pdf (9.75 Ko) Télécharger le fichier
5_5_8_8_-5_4_9 (1).pdf (9.71 Ko) Télécharger le fichier
5_5_8_8_0_4_20Q2 (1).pdf (5.69 Ko) Télécharger le fichier
5_5_8_8_5_4_20Q2 (1).pdf (5.75 Ko) Télécharger le fichier
5groupesA (1).pdf (81.62 Ko) Télécharger le fichier
5groupesB (1).pdf (86.45 Ko) Télécharger le fichier
Appli_EnergieCorplot (1).pdf (27.89 Ko) Télécharger le fichier
Appli_EnergieTransfo (1).pdf (5.71 Ko) Télécharger le fichier
Appli_ShapeCorplot (1).pdf (12.04 Ko) Télécharger le fichier
Appli_corplot_cas_a (1).pdf (59.26 Ko) Télécharger le fichier
Appli_corplot_cas_b (1).pdf (59.71 Ko) Télécharger le fichier
CS (1).pdf (80.1 Ko) Télécharger le fichier
I1 (1).pdf (2.66 Ko) Télécharger le fichier
I2 (1).pdf (2.66 Ko) Télécharger le fichier
I3 (1).pdf (2.66 Ko) Télécharger le fichier
Q2appli (1).pdf (6.08 Ko) Télécharger le fichier
Q2appliRandom (1).pdf (6.16 Ko) Télécharger le fichier
Q2beam (1).pdf (5.72 Ko) Télécharger le fichier
Q2exempleSinusPlusSans13 (1).pdf (6.05 Ko) Télécharger le fichier
anneau1 (1).pdf (3.17 Ko) Télécharger le fichier
anneau2 (1).pdf (3.64 Ko) Télécharger le fichier
anneau3 (1).pdf (3.68 Ko) Télécharger le fichier
carre1 (1).pdf (2.65 Ko) Télécharger le fichier
carre2 (1).pdf (2.64 Ko) Télécharger le fichier
carre3 (1).pdf (2.64 Ko) Télécharger le fichier
etoile1 (1).pdf (2.67 Ko) Télécharger le fichier
etoile2 (1).pdf (2.73 Ko) Télécharger le fichier
etoile3 (1).pdf (2.72 Ko) Télécharger le fichier
example_13sinusoids_fig (1).pdf (11.2 Ko) Télécharger le fichier
example_neg_within_corplot2 (1).pdf (58.5 Ko) Télécharger le fichier
example_neg_within_corplot3 (1).pdf (54.75 Ko) Télécharger le fichier
example_neg_within_fig (1).pdf (9.81 Ko) Télécharger le fichier
influence_energie (1).pdf (4.72 Ko) Télécharger le fichier
influence_forme (1).pdf (4.73 Ko) Télécharger le fichier
influence_materiaux (1).pdf (18.81 Ko) Télécharger le fichier
ordinal_cos (1).pdf (97.35 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-01702607 , version 1 (06-02-2018)
hal-01702607 , version 2 (19-07-2018)
hal-01702607 , version 3 (30-03-2019)

Identifiants

Citer

Olivier Roustant, Esperan Padonou, Yves Deville, Aloïs Clément, Guillaume Perrin, et al.. Group kernels for Gaussian process metamodels with categorical inputs. 2019. ⟨hal-01702607v3⟩
663 Consultations
551 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More