Bayesian inference for transfer learning
Résumé
IFP group develops catalysts and has to guarantee their performances. It is therefore crucial to have good predictive models for all new catalysts. These models are built upon very expensive experimental data. In order to minimize costs, we aim at reducing the number of new data points to measure to fit a model on the new catalyst, that is by using the knowledge available in the previous model. This paper describes our work on linear model transfer using Bayesian inference.
Le groupe IFP commercialise des catalyseurs et doit s’engager sur leur performance. Il est donc nécessaire de disposer de modèles prédictifs fiables pour chaque nouvelle génération de catalyseurs. Ces modèles sont construits à partir de données expérimentales très couteuses. Afin d’optimiser les coûts, notre ambition est de réduire le nombre d’expérimentations nécessaires pour estimer un modèle associé à un nouveau type de catalyseur, en transférant l’information contenue dans les modèles d’anciennes générations. Cet article décrit nos travaux sur le transfert de modèle linéaire par inférence bayésienne.
Origine : Fichiers produits par l'(les) auteur(s)