Resumen

Se propone un método mejorado de optimización de parámetros de kernel basado en el principio de Minimización del Riesgo Estructural (SRM) para mejorar la capacidad de generalización del modelo sustituto tradicional de Kriging. Este artículo analiza en primer lugar la importancia de la capacidad de generalización como criterio de evaluación del modelo sustitutivo desde la perspectiva de la estadística y demuestra su aplicabilidad a Kriging. El método de optimización de los parámetros del núcleo se utiliza para mejorar la precisión de ajuste del modelo Kriging. Con la medida de suavidad de la capacidad de generalización y la función kernel de anisotropía, se establece el modelo sustituto de Kriging modificado y su proceso de análisis. Se prueban varios parámetros de referencia para verificar la eficacia del método modificado bajo dos estados de muestreo diferentes: distribución uniforme y distribución no uniforme. Los resultados muestran que el Kriging propuesto tiene una mejor capacidad de generalización y adaptabilidad, especialmente para el muestreo de distribución no uniforme.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Método de optimización de parámetros de kernel; minimización del riesgo estructural (SRM); capacidad de generalización; modelo sustituto Kriging; precisión de ajuste; función de kernel de anisotropía.
• Keywords:Kernel parameter optimization method; Structural Risk Minimization (SRM); generalization ability; Kriging surrogate model; fitting precision; anisotropy kernel function