具有形状先验的贝叶斯函数优化

AAAISep, 2018

Bayesian functional optimisation with shape prior

Pratibha Vellanki, Santu Rana, Sunil Gupta, David Rubin de Celis Leal, Alessandra Sutti...

TL;DR本研究提出一种基于 Bayesian 优化的框架用于控制变量的功能优化问题，并使用 Bernstein 多项式基进行控制函数的表示，通过动态调整多项式次数的方法，融合形状的先验信息，对深度网络学习率调度的优化和短聚酯纤维设计问题取得了良好的效果。

Abstract

Real world experiments are expensive, and thus it is important to reach a target in minimum number of experiments. Experimental processes often involve control variables that changes over time. Such problems can be formulated as a →

bayesian optimisation functional optimisation control variables bernstein polynomial basis prior information

发现论文，激发创造

基于图的函数的贝叶斯优化

我们提出了一种新的贝叶斯优化框架，通过学习适当的图核心，我们的框架具有适应目标函数行为的优点，本地建模方法进一步保证了我们方法的效率。

Jun, 2023

基于路径的实用贝叶斯优化

我们提出了一种扩展的 SnAKe 算法，可以同时处理实验成本和输入参数变化成本，包括最大允许输入变化和多目标设置。

Dec, 2023

利用随机先验网络进行高维输出的可伸缩贝叶斯优化

本文提出了一个深度学习框架，基于具有随机先验的 bootstrap 整合的神经体系结构，用于贝叶斯优化和连续决策。该框架能够在高维输出的情况下逼近设计变量和感兴趣数量之间的函数关系，测试表明该方法在优化轮毂叶片的形状等高度复杂的任务中具有明显的优越性。

Feb, 2023

高维贝叶斯优化离散序列的调查与基准

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

组合结构的贝叶斯优化

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

贝叶斯深度学习只需要一个好的函数先验

本文为解决 Bayesian 深度学习中的先验分布选择困难性问题，提出了一种基于 Gaussian processes 的新颖的功能先验分布匹配框架，该框架可通过 Markov chain Monte Carlo 方法进行可扩展的先验分布采样，从而显著提高了性能。

Nov, 2020

正则化无界贝叶斯优化

本研究基于贝叶斯优化方法，提出了两种自动调整搜索空间大小的算法，并将它们应用于深度学习中的优化问题，包括超参数调优、神经网络模型训练等，取得了不错的结果。

Aug, 2015

基于贝叶斯优化的可持续工艺系统灵活高效设计框架

贝叶斯优化是一种强大的技术，可用于优化噪声大、昂贵难评估的黑箱函数，在科学、工程、经济、制造等领域具有广泛的实际应用。本文概述了贝叶斯优化在下一代过程系统设计中的最新进展、挑战和机遇，并介绍了如何利用高级贝叶斯优化方法更有效地解决这些应用中的重要问题。最后，我们总结了提高概率模型质量、选择下一个样本点的内部优化过程以及利用问题结构提高样本效率方面的挑战和机会。

Jan, 2024

非齐方树状贝叶斯优化

本研究提出了一种新的优化方法，使用具有层次参数学习的先验模型来解决贝叶斯优化中非平稳性问题，大大改善了自动机器学习和采矿勘探等众多领域中的表现。

Oct, 2014

伪贝叶斯优化

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