Nov, 2018

高斯过程多保真贝叶斯优化通用框架

PDF
TL;DR本文研究了多个输出之间具有复杂结构依赖关系的多认真贝叶斯优化，并提出了 MF-MI-Greedy，一种解决此问题的原则算法框架。
multi-fidelity bayesian optimizationstructural dependenciescost-sensitive mutual information gainadditive gaussian processesoptimization
发现论文，激发创造
  • 多保真度高斯过程贝叶斯优化

    在支持多精度的贝叶斯优化中，MF-GP-UCB 方法可显着提高性能并降低遗憾值

    Mar, 2016

  • 物理感知多层次贝叶斯优化：通用公式

    该研究论文介绍了一种物理感知多保真贝叶斯优化方法，通过在优化过程中嵌入领域认知形式，有效地提高了多查询优化问题的计算效率。

    Dec, 2023

  • 高斯过程优化与互信息

    本文分析使用高斯过程进行序列全局优化的一种通用算法方案，我们得出的累积遗憾的上限较之前已知的算法（如 GP-UCB）有指数倍的改善。我们还介绍了一种新颖的高斯过程互信息算法（GP-MI），它显著进一步提高了累积遗憾的上限。我们通过与自然竞争者 GP-UCB 和期望改进算法在合成和实际任务上的效率来证实此算法的有效性。

    Nov, 2013

  • 多精度贝叶斯优化中的最大值熵搜索及其并行化

    本文介绍了一种基于 max-value entropy search 的多保真度贝叶斯优化 (MF-MES) 方法，该方法通过考虑最优函数值的熵，而非最优输入点，大大简化了计算，并成功解决了信息熵的估计难题。同时，文章还提出了 MF-MES 的并行化方案，并通过材料科学数据等基准数据集的实验验证了该方法的有效性。

    Jan, 2019

  • 多信息源优化

    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

  • 多保真贝叶斯优化与跨任务可转移最大值熵搜索

    介绍了一种新颖的信息论获取函数，通过实施基于粒子变分贝叶斯更新的共享任务间潜在变量，平衡了对当前任务信息获取需求与收集可迁移到未来任务的信息目标，实验证明，该策略能够显著提高优化效率。

    Mar, 2024

  • 超参数调整的实用多保真贝叶斯优化

    本篇论文提出了一种基于知识梯度的多保真度贝叶斯优化方法，能在深度神经网络和大规模核学习的超参数调整方面表现优异，并有效解决了验证误差的计算问题。

    Mar, 2019

  • 工程设计中的多保真贝叶斯优化

    综述了多保真优化与贝叶斯优化相交的领域中 MF BO 的最新发展，包括高斯过程为基础的 MF 代理模型和不同的采集函数，并探讨了多保真优化在约束优化、高维优化、不确定性优化和多目标优化中的应用。

    Nov, 2023

  • 贝叶斯多尺度乐观优化

    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

  • 深度高斯过程在多保真建模中的梯度增强

    多保真度模型集成多个数据源以产生底层过程的单个逼近器，并通过稠密低保真样本来降低插值误差，通过稀疏高保真样本来补偿低保真样本中的偏差或噪音。本文将深度高斯过程扩展到包含梯度数据，并在实际的偏微分方程问题中进行应用，其中预测高超声速飞行器在一系列飞行条件和几何形状下的空气动力系数。在两个例子中，增强梯度的深度高斯过程模型胜过增强梯度的线性高斯过程模型和非增强梯度的对照模型。

    Feb, 2024