Metody inwersji Bayesowskiej -L7- IGF PAN, 21.IV.2005

Podobne dokumenty
Elementy wspo łczesnej teorii inwersji

Elementy wspo łczesnej teorii inwersji

Optymalizacja. Symulowane wyżarzanie

Techniki optymalizacji

Współczesna technika inwersyjna - dokad zmierzamy? Wojciech Dȩbski

Układy statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki

Temperatura, ciepło, oraz elementy kinetycznej teorii gazów

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Co to jest model Isinga?

Przeszukiwanie lokalne

Wstęp do sieci neuronowych, wykład 14 Maszyna Boltzmanna

Metody Obliczeniowe w Nauce i Technice

model isinga 2d ab 10 grudnia 2016

METODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne

n p 2 i = R 2 (8.1) i=1

Algorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation)

Bezgradientowe metody optymalizacji funkcji wielu zmiennych. informacje dodatkowe

Lokalizacja zjawisk sejsmicznych w kopalni - problemy. Lokalizacja - problemy. brak czasu w ognisku. Lokalizacja względna. niedokładne wyznaczanie

Wykład 8 i 9. Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna

Przegląd metod optymalizacji wielowymiarowej. Funkcja testowa. Funkcja testowa. Notes. Notes. Notes. Notes. Tomasz M. Gwizdałła

Elementy wspo łczesnej teorii inwersji

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

e E Z = P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = =Z 1 Wartość średnia energii

Elementy wspo łczesnej teorii inwersji

Metody Rozmyte i Algorytmy Ewolucyjne

Uczenie ze wzmocnieniem

Dynamiczne stochastyczne modele równowagi ogólnej

Uczenie sieci typu MLP

Metody numeryczne II

Występują fluktuacje w stanie równowagi Proces przejścia do stanu równowagi jest nieodwracalny proces powrotny jest bardzo mało prawdopodobny.

Metody Numeryczne Optymalizacja. Wojciech Szewczuk

Matematyka ubezpieczeń majątkowych r.

FIZYKA STATYSTYCZNA. d dp. jest sumaryczną zmianą pędu cząsteczek zachodzącą na powierzchni S w

Program MC. Obliczyć radialną funkcję korelacji. Zrobić jej wykres. Odczytać z wykresu wartość radialnej funkcji korelacji w punkcie r=

Fizyka statystyczna Termodynamika bliskiej nierównowagi. P. F. Góra

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

SZTUCZNA INTELIGENCJA

Hybrydy symulowanego wyżarzania

2) wzrost i hodowla kryształów, metalurgia algorytm symulowanego wygrzewania

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Algorytmy MCMC i ich zastosowania statystyczne

Aproksymacja funkcji a regresja symboliczna

Przykłady problemów optymalizacyjnych

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

Matematyka stosowana i metody numeryczne

P(F=1) F P(C1 = 1 F = 1) P(C1 = 1 F = 0) P(C2 = 1 F = 1) P(C2 = 1 F = 0) P(R = 1 C2 = 1) P(R = 1 C2 = 0)

Jednostki podstawowe. Tuż po Wielkim Wybuchu temperatura K Teraz ok. 3K. Długość metr m

Prawdopodobieństwo i statystyka

Matematyka ubezpieczeń majątkowych r.

Strategie ewolucyjne. Gnypowicz Damian Staniszczak Łukasz Woźniak Marek

Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np.

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

Matematyka ubezpieczeń majątkowych r.

Elementy termodynamiki

Równoległe symulacje Monte Carlo na współdzielonej sieci

S ścianki naczynia w jednostce czasu przekazywany

Metody Rozmyte i Algorytmy Ewolucyjne

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 1

Fuzja sygnałów i filtry bayesowskie

SPOTKANIE 3: Regresja: Regresja liniowa

Czym się różni ciecz od ciała stałego?

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

Elementy termodynamiki

Optymalizacja. Przeszukiwanie lokalne

Optymalizacja kryteriów selekcji dla rozpadu Λ+c pμ+μza pomocą wielowymiarowej analizy danych

Elementy modelowania matematycznego

Selekcja cech. Wprowadzenie Metody selekcji cech. Przykład zastosowania. Miary niepodobieństwa. Algorytmy przeszukiwania

Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa

Ogólny schemat postępowania

Termodynamika. Część 11. Układ wielki kanoniczny Statystyki kwantowe Gaz fotonowy Ruchy Browna. Janusz Brzychczyk, Instytut Fizyki UJ

Weryfikacja hipotez statystycznych

XIII International PhD Workshop OWD 2011, October 2011 WIZUALIZACJA SYSTEMÓW GRZEWCZYCH VISUALISATION OF THE HEATING SYSTEMS

Statystyka Matematyczna Anna Janicka

Teoria ze Wstępu do analizy stochastycznej

Metody systemowe i decyzyjne w informatyce

Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne

2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7

Testowanie hipotez statystycznych cd.

Prawdopodobieństwo i rozkład normalny cd.

Metody rozwiązywania równań nieliniowych

1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa

Plan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji

3 MODELE PROCESÓW STOCHASTYCZNYCH 3

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

Porównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009

Wielki rozkład kanoniczny

Imputacja brakujacych danych binarnych w modelu autologistycznym 1

Szkła specjalne Przejście szkliste i jego termodynamika Wykład 5. Ryszard J. Barczyński, 2017 Materiały edukacyjne do użytku wewnętrznego

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd

Radialna funkcja korelacji g(r)

Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron

Prawdopodobieństwo i statystyka

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska

Numeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe

Inverse problems - Introduction - Probabilistic approach

16 Jednowymiarowy model Isinga

WŁASNOŚCI CIAŁ STAŁYCH I CIECZY

SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization

Transkrypt:

Metody inwersji Bayesowskiej -L7-

Podejście optymalizacyjne i probabilistyczne podobieństwa i różnice (C) G(m) d obs + λ m m apr = min d obs m apr d th = d true + ɛ obs = m true + ɛ apr = G(m) + ɛ th G(m) d true +ɛ obs +ɛ th +λ m m apr +ɛ apr = min

Podejście optymalizacyjne i probabilistyczne podobieństwa i różnice (D) Rozwiazania dla różnych realizacji ɛ obs, ɛ th ɛ apr : m (1), m (2), m (K) Pozwala utworzyć histogram rozwiazań: h(m) = N α (m) N K który jest przybliżeniem σ(m) Technika nieefektywna w przypadkach wielowymiarowych!!!

Model najbardziej prawdopodobny - optymalizacja szukanie modelu najbardziej prawdopodobnego m ml : σ(m ml ) = max metody gradientowe metody Monte Carlo Symulowane wyżarzanie Algorytm Genetyczny technika równoważna podejściu optymalizacyjnemu

Optymalizacja gradientowa i Monte Carlo

Metoda: preconditioned sttepest descent 1. m 0 - dowolny, Ŝ 0 (I + C M G t C 1 D G) 1 2. γ n = C M G t C 1 D (Gm n d obs ) + (m n m apr ) 3. φ n = Ŝ0γ n 4. b n = Gφ n 5. µ n = γ t n C 1 M φ n φ t n C 1 M φ n+b t n C Db n 6. m n+1 = m n µ n φ n

Optymalizacja gradientowa - ograniczenia

System z wieloma stopniami swobody Roztopiony metal, skały, itp: 1m 3 : N 10 21 Jak opisać taki układ??? ( r i, v i )

Podejście statystyczne Interesuja nas na ogół makroskopiczne wielkości: temperatura, gestość, lepkość, itp. Wiele różnych mikroskopowych stanów odpowiada tej samemej wielkości makroskopowej Równowaga termodynamiczna: stan makroskopowy nie zmienia sie w czasie jednakże stany mikroskopowy - tak

Thermodynamika srównowagowa Rozkład Boltzmana (kanoniczny) p(c) = 1 ( Z exp E(C) ) kt E - energy of a given state T - temperature Z(T, M,...) = ( exp E ) i kt C prwdopodobieństwo realizacji stanu makroskopowego przez dany stan mikroskopowy C

Proces schładzania schładzanie powolne Proces schładzania - system zdaża do stanu o minimum energii wewnetrznej - ruchy termiczne zostaja zamrożone T - high T - low

Proces schładzania szybkie schładzanie T - high T - low

Proces schładzania - zmiany w rozkładzie Boltzmanna Cooling system Cooling system States C States C

Proces schładzania ewolucja rozkładu Boltzmana T=10 T=1 T=0.1

Proces schładzania: krystalizacja Model Space Temperature

Symulowane schładzanie - optymalizacja Szukamy absolutnego minimum dodatniej funkcji S(m) > 0 S(m) = e S(m) T

Algorytmy typu Simulated Annealing Wybierz To Wygeneruj C z p(c) Zmniejsz T Zakoncz gdy T = Tk

Generowane próbki T=10 T=1 T=0.1

Stan podstawowy i stany metatrwałe

Utwórz rozkład Boltzmanowski p(m, T ) = exp( S(m)/T ) Wybierz T 0, i model poczatkowy m α i oceń go p α = p(m α, T 0 ) Dla danej temperatury T k wylosuj m α+1 z p(m, T k ) wylosuj próbke testowa m β : m β = m α + δm oceń m β : p β = p(m β, T k ) Utwóż m α+1 zaakceptuj m β z prawdopodobiństwem p = min (1, p β /p α ) m α+1 = m β jeśli m β odrzucona duplikuj stan obecny m α+1 = m α Zmniejsz temperatur e T k+1 = f(t k ) Powtarzaj aż do osiagni ecia końcowej temperatury

Algorytm SA przykład while( T > Tf) /* decrease T loop */ { nc =ceil( p2+p3*exp(-(double)k/(double)sa->n)); if(nc<=1) nc=1; ++k; for(l=0;l<nc;l++) /* T=const loop */ { for(j=0;j<n;j++) /* generate new sample */ { u=sarandval(0,1); /* modified VFSA */ x= fabs(2*u -1); z= T*( pow(1+1/t,x) - 1); if(u >=0.5) p=mi[j] + z * (mu[j]-mi[j]); else

p= mi[j] - z * (mi[j]-ml[j]); mf[j]=p; } tt= (*fun)(mf); /* evaluate */ e = tt-ta; z=exp(-e/t); u=sarandval(0,1); if( e<0 z > u) /* accept */ { ta=tt; mc = mi; mi = mf; mf=mc; if(ta < ts) /* keep the best */ { ts=ta; for(i=0;i < N; i++) ms[i]=mi[i]; }

} } /* End of T=const loop */ To=T; /* decrease T (VFSA scheme) */ z=tc*pow((double)(k),di); T = Ti*exp(-z); if(sa->pf>0) /* messages to STD_ERR */ { if(k%sa->pf==0) fprintf(stderr," VFSA: T = %.2e dt = %.2e iter: %-6d nc: %- } } /* End of cooling (T) loop */

Thermodynamika - Optymalizacja/Inwersja analogie Termodynamika Optymalizacja wiele stopni swobody optymalizacja wielo parametrowa rozkład Boltzmana rozkład a posteriori energia niedopasowanie stan podstawowy globalne maksimum możliwe stany metatrwałe lokalne maksima Schładzanie wymaga by układ był w stanie równowagi termodynamicznej