ICMLFeb, 2021

全球思维，本地行动：基于贝叶斯优化的高维分类和混合搜索空间

PDF
TL;DR本文提出一种结合局部优化与定制内核设计的新型解决方案，有效应对高维分类和混合搜索空间，同时保留样本效率，经实验证明在性能、计算成本等方面优于当前基准。
high-dimensional black-box optimisationbayesian optimisation methodscategorical and mixed search spaceslocal optimizationconvergence guarantee
发现论文，激发创造
  • 高维贝叶斯优化与大规模约束的应用 -- 飞机弹性调整

    使用高维贝叶斯优化和降维方法结合解决在航弹性优化中出现的高维问题，为具有大规模约束的问题提出了一种新颖的方法。实验证明该方法能够纳入大规模约束。

    Dec, 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

  • 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

  • 多个连续和分类输入上的贝叶斯优化

    提出了一种基于混合类型空间的新方法 CoCaBO，它结合了多臂赌博机和贝叶斯优化的优点，使用高斯过程核来对包含连续和分类输入的黑盒问题进行优化，实现了在探索和开发之间的平衡，并在连续和分类输入的合成和实际优化任务上超越了现有方法。

    Jun, 2019

  • 混合空间上的贝叶斯优化

    本文提出了一种新颖的混合贝叶斯优化方法，通过扩散核对离散和连续变量建模，证明了其拥有普适逼近性质，并在合成数据和六个不同领域的实验中证明了其显著优于现有方法的优越性。

    Jun, 2021

  • 局部贝叶斯优化的行为和收敛性

    文章介绍了 Bayesian 优化中的局部优化策略，对高维问题具有强大的实证表现，研究表明高斯过程样本路径的个体局部解的统计性质比全局方法更好，首次对 Bayesian 局部优化算法进行了严密分析，并推导了噪声和无噪声情况下的收敛速度。

    May, 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

  • 高维输出的贝叶斯优化

    该论文介绍了一种使用多任务高斯过程模型和克罗内克结构的精确采样技术的黑盒优化方法，可用于多个相关目标的优化，并可应用于涉及成千上万个相关输出的任务，从而实现了与现有方法相比较大的样本效率提高。

    Jun, 2021

  • 批处理高维贝叶斯优化：通过结构核学习实现

    本文提出了一种处理高维黑盒函数优化挑战的方法 —— 通过 (1) 推断函数的潜在加法结构以进行更加高效和有效的贝叶斯优化，(2) 并行进行多次评估以减少方法所需的迭代次数。通过 Gibbs 抽样学习潜在结构，并使用定向点过程构建批量查询。实验结果证明，该方法优于现有技术。

    Mar, 2017

  • 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