提供用于优化昂贵黑匣子函数的一种多步先见性贝叶斯优化方法,采用多步方案树内嵌化简的方法,通过高效的多步高斯过程虚拟化实现,超过现有方法的表现。
Jun, 2020
本文介绍了一种将高斯过程置信度边界和树形同时乐观的优化相结合的技术,以消除对收购功能辅助优化的需求,并且相比于其他方法更为有效。
Feb, 2014
该研究提出了一个基于贝叶斯优化的序列实验设计的新框架 ——BINOCULARS,它可以更有效,更准确地计算实验的最佳方案。
Sep, 2019
采用拟贝叶斯优化的框架,通过利用简单的局部回归和随机化先验构建来量化不确定性,并保证收敛性,有效地优化高维度的综合实验、超参数调整和机器人应用的例子中胜过最先进的基准测试。
Oct, 2023
本文针对 RL 领域中近视探索政策(如 epsilon-greedy、softmax 或 Gaussian noise)在实际应用中表现出全部、部分失败的情况,提出了一种称为 “myopic exploration gap” 的新复杂度度量方式,探讨了它们在特定任务中表现出良好性质和优势。
Jun, 2022
我们开发了一种基于多维积分的概率方法,用于求解全局最优解,该方法不需要梯度信息,具有收敛性和适用于任意维度的特性。通过在多个非凸测试函数上的实证研究,我们发现该方法在遗憾值和收敛速度方面优于许多现有的状态 - of-the-art 方法。
通过高斯过程回归和贝叶斯优化技术,针对材料设计和发现等高维复杂问题,提出一种基于价值信息分析的预期改进和知识梯度方法,以最少的实验找到优良的材料设计方案。
Jun, 2015
本文介绍了贝叶斯优化的基本工作原理,包括高斯过程回归和三种常见的采集函数;讨论了高级技术,包括并行运行多个函数评估,多保真度和多信息源优化,多任务的贝叶斯优化,并探讨贝叶斯优化软件和未来研究方向。
Jul, 2018
本文提出了一种利用高斯过程来建模网络节点并以期望改进作为收获函数的贝叶斯最优化方法,通过利用网络中的中间输出信息,实现了比标准方法更高的查询效率和渐进一致性,并在多个合成和实际问题中表现出优异性能。
Dec, 2021
本文提出概率优化算法的期望,引入一种基于逼近和明确地址决策问题的具体算法以解决计算上的难题。
Dec, 2011