昂贵积分的贝叶斯优化
针对黑盒函数优化问题,本文提出了一种新算法,通过价值信息分析决策,处理了由模型差异和噪音观测所带来的不确定性,并在实验中验证了其相对其他先进技术具有更高的目标价值和更少的探索成本。
Mar, 2016
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
研究了基于贝叶斯优化算法的目标函数,其中目标函数采用 VaR 或 CVaR 风险度量,算法通过将目标函数建模为高斯过程来提高采样效率,并在投资组合优化和鲁棒系统设计等领域得到了有效应用。
Jul, 2020
本研究提出了一种新的贝叶斯优化框架,用于考虑输入不确定性的多目标优化,包括鲁棒性的量化和搜索一个鲁棒的帕累托前沿,并通过数值基准测试证明了其有效性。
Feb, 2022
该篇论文提出了一种基于半定规划的自适应、可扩展模型的算法,用于优化机器学习、离散优化和贵重求值黑盒函数所需的组合结构,该算法在实验中表现优于组合和贝叶斯优化等其他方法。
Jun, 2018
本文提出了一种灰盒优化算法,利用 Bayesian 优化框架和 optism-driven 算法,在常用 Kernel 函数下表现出收敛速度优异的特点,这个算法在常规黑盒算法之上大幅提高了全局最优解求解的速度。
Jun, 2023
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
研究了具有先验未知约束的贝叶斯优化及其在优化问题中的应用,并提供了解决此类问题的通用框架,并在潜在 Dirichlet 分配,神经网络调整和哈密顿蒙特卡罗优化等问题中进行了有效性实证。
Mar, 2014
本文提出了一种基于贝叶斯神经网络的优化框架,专门针对数据密集型环境中多目标优化的局限性进行了优化,实现了对大量数据的有效处理和复杂问题的建模,并展示了其在航空动力学和彩色印刷两个领域的应用和有效性。
Jun, 2023
通过统一的框架和标准化的黑盒函数,针对化学和生物学的实际应用领域,该论文研究了贝叶斯优化的高维优化方法和技术难点,并提供了易于拓展的软件库,以方便实践者更好地应用于离散优化问题。
Jun, 2024