关键词black-box function optimization
搜索结果 - 5
- 异构搜索空间上的贝叶斯优化的迁移学习
本论文介绍了一种在异构领域中进行模型预训练的方法 MPHD,该方法使用神经网络映射将领域特定上下文映射到层级高斯过程的规范,以便与 BO 集成以在异构搜索空间中进行知识转移,并通过理论和实证结果证明了 MPHD 的有效性和优越的黑盒函数优化 - LAMBDA: 黑盒不等式解集的搜索空间量化覆盖
本文提出了一种基于样本搜索范式的黑箱覆盖问题及其解决方法 LAMBDA,该方法通过引入密度信息来克服优化采样偏差,其性能在基准测试中表现优异,可用于验证虚拟测试中的自主系统。
- 组合黑盒优化与专家建议
通过使用多线性多项式和指数权重更新,我们提出了一种基于模拟退火的计算有效模型学习算法,以优化布尔双立方体上的黑盒函数优化问题,并获得了比文献中现有算法快几个数量级的计算时间和具有竞争性的性能。
- 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。
- 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。