Oct, 2018

高斯过程在对抗鲁棒优化中的应用

PDF
TL;DR考虑高斯过程优化问题，在最大化函数时增加健壮性，提出基于置信界限的 StableOpt 算法，该算法在真实数据集上的实验表明可以成功找到稳定的极大值点。
gaussian process optimizationrobustnessconfidence boundsamplingmaximizer
发现论文，激发创造
  • 高斯过程在分类中的对抗性鲁棒性保证

    本文研究了高斯过程分类模型的对抗鲁棒性，提出了一种计算 GPC 在输入空间中最小和最大分类概率的算法，并应用于 2D 合成数据集、SPAM 数据集和 MNIST 数据集的验证，表明我们的方法可用于 GPC 的可解释性分析和提高模型鲁棒性。

    May, 2019

  • 高斯过程贝叶斯推断的鲁棒性保证

    本文探讨了对于 Bayesian 推断模型的输入扰动的鲁棒性估计问题，通过使用高斯过程理论并提出算法计算当前模型在输入空间中的紧密强度，并应用于两个例子中：一个 GP 回归问题和一个全连接深度神经网络来研究 MNIST 数据集上的对抗性例子。

    Sep, 2018

  • 使用高斯过程在 Bandit 环境下进行最优化估计

    本文研究了一种直接利用未知函数 argmax 估计值的优化策略，并与 GP-UCB 和 GP-PI 策略建立了紧密联系。该方法的自动适应调整探索和利用的权衡，在机器人和视觉任务的广泛实证评估中表现出鲁棒性，通过性能 - 遗憾的界限说明了自适应调整的效果。

    Oct, 2015

  • 高维高斯过程的联合优化与变量选择

    本文利用高维高斯过程模型，结合变量选择和优化，解决了高维、非凸函数的优化问题，并提供了相关性能保证和实证研究结果。

    Jun, 2012

  • 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

  • 利用高斯过程进行鲁棒的超级水平集估计

    该论文集中讨论了通过高概率确定函数超过给定阈值的尽可能大的区域的问题，提出了一种使用鲁棒性方差项的高斯过程来预测函数上阈值区域的体积，并给出了算法的探索效果的渐近保证，同时还通过各种数值实例表明我们的方法在实践中也优于现有技术。

    Nov, 2018

  • 高斯过程赌博机的对抗攻击

    本文从攻击者的角度研究了在高代价和潜在噪音条件下使用 Gaussian processes 进行优化的问题，并提出了不同假设攻击者强度和先前信息的不同对策，通过对函数 $f$ 进行干扰而导致算法朝着目标区域移动。作者设计了白盒和黑盒攻击方法，并展示了这些攻击在低攻击预算下能够成功地将算法强制推向目标区域，并在各种客观函数上测试了攻击的有效性。

    Oct, 2021

  • 通过多次评估少量独特候选项扩展高斯过程优化

    通过限制历史点的数量，经过改进后的高斯过程后验可以用于更有效的黑盒优化，这对高转换成本的 GP-Opt 实际应用，如湿实验中的化学物品切换和超参数优化中的数据 / 模型加载特别有用。

    Jan, 2022

  • 赌赢型高斯过程优化：无悔与实验设计

    通过多臂赌博机问题和高斯过程来解决在优化一个未知、嘈杂及难以评估的函数的问题。我们在这个问题上得到了遗憾界，建立了高斯过程优化和实验设计之间的联系。通过实验，我们证明了 GP-UCB 可以优于其他启发式高斯过程优化方法。

    Dec, 2009

  • 基于高斯过程模拟器的多目标优化：逐步不确定性降低法

    我们提出了一种基于逐步降低不确定性原则的算法，将优化视为当前最佳解以下偏移集的序列降低，并选择提供最高预期降低的点的采样策略，避免使用繁琐的模拟，并在数值例子上进行了测试，结果表明它在探索和集中之间提供了有效的权衡。

    Oct, 2013