级联多阶段流程的贝叶斯优化

Nov, 2021

Bayesian Optimization for Cascade-type Multi-stage Processes

Shunya Kusakawa, Shion Takeno, Yu Inatsu, Kentaro Kutsukake, Shogo Iwazaki...

TL;DR研究了一种被称为 Cascade Process 的多阶段决策过程优化问题，并将其作为 Bayesian Optimization 的扩展来解决。作者提出了基于可信区间和期望改进的两类收获函数，并探讨了所提出收获函数的理论特性。研究结果表明，该方法的有效性适用于如实际中常见的太阳能电池模拟器测试问题等。

Abstract

Complex processes in science and engineering are often formulated as multistage decision-making problems. In this paper, we consider a type of multistage decision-making process called a →

multistage decision-making cascade process bayesian optimization acquisition functions suspension setting

发现论文，激发创造

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

从微观到宏观：使用行为动力学揭示和预测信息瀑布过程

本文提出了一个新的方法来预测社交网络中的瀑布过程，使用行为动力学描述微观机制，提出了一个新的网络威布尔回归模型。本文通过数据驱动分析发现了常见的原则和模式，提出了一个可扩展的解决方案来近似瀑布过程和预测其累计过程。在大规模社交网络数据集上进行广泛评估，结果表明该方法在多项任务中可以显著优于其他最先进的基线模型。

May, 2015

级联预测方法比较

本文旨在比较现有的三种信息传播预测方法 (即基于中心性、基于特征以及基于点过程)，并对它们进行了分类和回归问题的评估。结果表明，基于特征的方法在预测准确性方面优于其他方法，但针对大型数据集的开销较大。而基于点过程的方法也可能遇到长时间运行的问题。该论文为社交网络分析系统的开发者选择最合适的信息传播预测方法提供了参考。

Jun, 2016

结构化预测级联

本文提出了一种基于‘Structured Prediction Cascade’的新型结构预测方法，通过一系列逐步添加模型的方式，可以有效实现对输出状态空间的过滤和精细调整，并且在优化过程中控制过滤效率与准确率的平衡，通过对模型进行不断优化，显著提升结构预测任务的效率与准确性。

Aug, 2012

操作型电子商务搜索的级联排序

在大规模电商搜索应用中，本文设计并部署了一种新型的级联排序模型，解决了实际搜索应用中多种用户体验、计算费用等约束条件的问题，有效提高了搜索效率和用户体验。

Jun, 2017

模型级联：提高 NLP 系统的效率和准确性

本研究旨在探讨利用容量不同的模型集合进行级联的 Model Cascading 技术，能够提高 NLP 系统的计算效率和预测准确性，并且引入更多模型可进一步提高效率。

Oct, 2022