基于图的函数的贝叶斯优化

Jun, 2023

Bayesian Optimisation of Functions on Graphs

Xingchen Wan, Pierre Osselin, Henry Kenlay, Binxin Ru, Michael A. Osborne...

TL;DR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。

Abstract

The increasing availability of graph-structured data motivates the task of optimising over functions defined on the node set of graphs. Traditional graph search algorithms can be applied in this case, but they may be sample-inefficient and do not make use of information about the funct

graph-structured data bayesian optimisation function optimization kernels on graphs sample efficiency

发现论文，激发创造

图中节点子集上函数的贝叶斯优化

该研究论文提出了一种基于贝叶斯优化的新型图优化框架，通过将原图中的每个 k - 节点子集映射到新的组合图中，并采用局部建模方法来高效遍历后者的子图，从而解决了在图上定义的函数进行组合优化的问题。大量实验证明了该框架在各种类型的图和优化任务上的有效性，并通过消融实验进行了详细分析。

May, 2024

图形贝叶斯优化：算法、评估和应用

本文提出了一种灵活的图贝叶斯优化框架，结合了图内核，通过识别优化过程中哪些特征更重要来完全利用隐含的图结构特征并证明了其有效性和潜在应用。

May, 2018

具有形状先验的贝叶斯函数优化

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。

Sep, 2018

函数网络的贝叶斯优化

本文提出了一种利用高斯过程来建模网络节点并以期望改进作为收获函数的贝叶斯最优化方法，通过利用网络中的中间输出信息，实现了比标准方法更高的查询效率和渐进一致性，并在多个合成和实际问题中表现出优异性能。

Dec, 2021

未知约束的贝叶斯优化

研究了具有先验未知约束的贝叶斯优化及其在优化问题中的应用，并提供了解决此类问题的通用框架，并在潜在 Dirichlet 分配，神经网络调整和哈密顿蒙特卡罗优化等问题中进行了有效性实证。

Mar, 2014

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

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。

Feb, 2021

带有部分评估的函数网络的贝叶斯优化

使用一种基于知识梯度获取函数关系网的新方法，使得节点评估和输入选择可以根据成本进行，从而降低了查询成本并在多个合成和真实问题中优于现有的函数网络方法和其他基准。

Nov, 2023

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

贝叶斯优化教程

本文介绍了贝叶斯优化的基本工作原理，包括高斯过程回归和三种常见的采集函数；讨论了高级技术，包括并行运行多个函数评估，多保真度和多信息源优化，多任务的贝叶斯优化，并探讨贝叶斯优化软件和未来研究方向。

Jul, 2018

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