Forschung
BED: KL‑Divergenz vs. Wasserstein‑Distanz – Welcher Ansatz ist besser?<br/><p>In der modernen Wissenschaft ist die gezielte Planung von Experimenten entscheidend, um komplexe physikalische Systeme effizient zu untersuchen. Bayesian Experimental Design (BED) bietet hierfür ein probabilistisches Rahmenwerk, das Planung und Inferenz miteinander verknüpft. Ein zentrales Problem bleibt jedoch die Wahl der Nutzenfunktion, die bestimmt, welche Experimente als wertvoll gelten.</p><p>Traditionell wird die Kullback–L
arXiv – cs.LG