...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Simulation modelling practice and theory: International journal of the Federation of European Simulation Societies >Extreme quantile estimation with nonparametric adaptive importance sampling
【24h】

Extreme quantile estimation with nonparametric adaptive importance sampling

机译：非参数自适应重要性抽样的极端分位数估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, we propose a nonparametric adaptive importance sampling (NAIS) algorithm to estimate rare event quantile. Indeed, Importance Sampling (IS) is a well-known adapted random simulation technique. It consists in generating random weighted samples from an auxiliary distribution rather than the distribution of interest. The optimization of this auxiliary distribution is often very difficult in practice. First, we review how to define the optimal auxiliary density of IS for quantile estimation in the general case and then propose a nonparametric method based on Gaussian kernel density estimator to approach the optimal auxiliary density that does not assume an initial PDF guess. This method is then finally applied to theoretical cases to demonstrate the efficiency of the proposed NAIS algorithm and on the quantile estimation of the temperature of a forest fire detection simulator.
机译：在本文中，我们提出了一种用于估计稀有事件分位数的非参数自适应重要性抽样（NAIS）算法。实际上，重要性采样（IS）是众所周知的自适应随机模拟技术。它包括根据辅助分布而不是感兴趣的分布生成随机加权样本。在实践中，优化这种辅助分布通常非常困难。首先，我们回顾了在一般情况下如何为分位数估计定义IS的最佳辅助密度，然后提出了一种基于高斯核密度估计器的非参数方法，以逼近不假设初始PDF猜测的最佳辅助密度。然后将该方法最终应用于理论案例，以证明所提出的NAIS算法的效率以及森林火灾检测模拟器温度的分位数估计。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号