Nov, 2023

联合复合潜空间贝叶斯优化

PDF
TL;DRBayesian Optimization is enhanced by integrating intermediate outputs and effectively tackles high-dimensional problems using Joint Composite Latent Space Bayesian Optimization.
bayesian optimizationblack-box optimizationcomposite-structured functionsjoint composite latent space bayesian optimizationhigh-dimensional input and output spaces
发现论文，激发创造
  • 通过学习相关潜空间推进贝叶斯优化

    通过引入 Lipschitz 正则化和损失加权等方法，我们提出了一种相关的潜空间贝叶斯优化（CoBO）方法，用于优化黑盒函数中的离散数据。在分子设计和算术表达式拟合等离散数据的多个优化任务中，我们的方法在较小的资源预算下取得了高性能。

    Oct, 2023

  • 结合潜空间和结构核的组合空间贝叶斯优化

    本文提出了一种基于结构耦合核的 BO 方法 LADDER，使用深度生成模型的潜在表示来优化组合空间，解决了传统 BO 方法中代理模型只利用深度生成模型学习的信息对黑盒函数进行近似的缺陷，并通过实验验证表现优越。

    Nov, 2021

  • 高维空间中的批量大规模贝叶斯优化

    本文提出了一种基于集成高斯过程模型的贝叶斯优化算法（EBO），以解决黑盒函数优化问题中大规模观测、高维输入空间和批量查询质量与多样性平衡等三大挑战。结果表明，EBO 能在几分钟内扩展到数万次观测，同时取得了前所未有的优化效果。

    Jun, 2017

  • 通过潜在决策模型的隐藏约束贝叶斯优化

    这篇论文介绍了一种名为 Hidden-Constrained Latent Space Bayesian Optimization (HC-LSBO) 的新型贝叶斯优化方法，它集成了潜在决策模型，并利用可变自编码器学习可行决策的分布，从而实现原始决策空间与较低维潜在空间的双向映射。通过这种方式，HC-LSBO 捕捉了公共政策制定中固有的隐藏约束的微妙差别，允许在潜在空间进行优化，同时在原始空间中评估目标。我们通过在合成和真实数据集上进行数字实验验证了这种方法，具体关注了乔治亚州亚特兰大的大规模警区划问题。我们的结果显示，与基线相比，HC-LSBO 在性能和效率方面均有显著改进。

    Oct, 2023

  • BOIS: 基于贝叶斯优化的互联系统

    通过使用自适应线性化的方法来处理复合函数的统计矩问题，引入了一种新的 Bayesian optimization (BO) 模式，可有效利用结构化知识，并在化学过程优化案例研究中取得了性能提升和复合函数统计特性的准确捕捉。

    Nov, 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

  • 高维贝叶斯优化：基于有重叠分组加性模型

    本文提出了一种新的基于加性模型的贝叶斯优化算法，可以高效地处理存在重叠子集的高维函数优化问题，并通过图上的信息传递算法优化其采集函数，同时提出了通过 Gibbs 抽样学习其结构的算法，实验证明该方法在合成数据和真实数据上都具有良好效果。

    Feb, 2018

  • 基于仿真的贝叶斯优化

    模拟基于贝叶斯优化 (SBBO) 是一种用于优化黑盒函数的新方法，只需要通过基于采样的后验预测分布进行访问。该方法允许在涉及组合空间和离散变量的情况下使用适用于组合空间的概率代理模型。在组合优化的应用中，我们通过使用不同的代理模型在实证上证明了 SBBO 方法的有效性。

    Jan, 2024

  • 潜在能量驱动之旅：通过在能量基潜空间中扩展探索的黑盒优化

    离线黑盒优化目标是通过预先采集的函数值和相关输入设计的离线数据集的知识来优化黑盒函数。我们提出了一种可学习的能量驱动潜空间模型，以及一种基于噪声增强的望远镜密度比估计方案，用于变分学习准确的潜空间模型。通过所学的能量驱动模型在潜空间中的梯度导向采样，我们展示了该方法在高价值设计模式的探索中取得了显著改进。

    May, 2024

  • 基于本地潜空间的结构化输入贝叶斯优化

    本篇论文中提出了一种新的 LOL-BO 方法，通过重新解释 DAE 的编码器功能，称其为 “trust regions”，将局部优化与输入空间中的局部优化更好地对齐，实现了对六个真实世界基准的 20 倍性能提升。

    Jan, 2022