论文部分内容阅读
在计算机试验中,复杂现象的仿真拥有数目庞大的输入变量,因此,筛选出对输出影响重要的输入变量是至关重要的。我们通过Jeffreys非信息超先验,提出了一种新的贝叶斯变量选择算法。不同于计算机试验中存在的变量选择算法,我们的方法不需要调节控制稀疏性的超参数。新的变量选择方法通过EM(expectation-maximization)算法求解,试验结果表明,我们的方法不仅取得了理想的效果,而且大大地减少了计算的负担。