expected improvement | BriefGPT

关键词expected improvement

搜索结果 - 12

变分熵搜索用于调整预期改进
通过变分推理（VI）的方法，将 Expected Improvement（EI）视为最大值熵搜索（MES）的特例，发展了变分熵搜索（VES）方法和 VES-Gamma 算法，将信息论概念融入 EI 中，展示了 VES-Gamma 在贝叶斯优
PDF5 months ago
贝叶斯优化中对预期改进的意外改进
我们提出了一种名为 LogEI 的新型收敛函数家族，其成员在数值优化方面比标准收敛函数更容易操作，能够显著提升优化性能，并与最新的收敛函数表现相媲美或超越，突显了数字优化在文献中的被低估作用。
PDF8 months ago
一个在嘈杂观测下修正的期望改进获得函数
我们提出了一种改进的 EI 方法，通过引入高斯过程模型提供的协方差信息，修正了传统的 EI 公式，以达到在有噪声和无噪声的情况下都具有较好泛化性能的目的。我们的实验证明，在黑盒优化的基准函数和神经网络模型压缩的参数搜索中，我们提出的方法在存
PDF9 months ago
ICML无似然贝叶斯优化的通用配方
提出了一种基于无似然推断的方法（LFBO），通过直接建模采集功能而不必单独执行概率替代模型上的推断，使 BO 扩展到更广泛的模型和实用程序类别，通过适当地选择实用程序函数（EI），LFBO 在几个实际最优化问题上优于各种最先进的黑匣子优化方
PDF2 years ago
BORE: 基于密度比率估计的贝叶斯优化
将 expected improvement 的计算转化为二分类问题，以避免分析可观测性和提高 Bayesian optimization 的效率和适用性。
PDF3 years ago
通过一次多步树的方法高效非近视贝叶斯优化
提供用于优化昂贵黑匣子函数的一种多步先见性贝叶斯优化方法，采用多步方案树内嵌化简的方法，通过高效的多步高斯过程虚拟化实现，超过现有方法的表现。
PDF4 years ago
复合函数的贝叶斯优化
通过使用多输出高斯过程模型和预期改善在经过修改的非高斯正则先验上进行采样（EI）的有效最大化，本研究提出了一种新方法来优化复合目标函数，该复合目标函数是将一个高昂的黑盒子类函数 h (x) 的向量输出 g (h (x)) 函数与一个廉价函数
PDF5 years ago
NIPS梯度下降批量大小调整的代价敏感方法
本文提出一种新方法，通过优化预期改进的线性或二次泰勒近似的下界与用于估计梯度的样本数量之间的比率来自动确定随机梯度下降方法中的批量大小，以解决梯度估计准确性和更新成本之间的折衷关系，并通过在流行的分类任务上与相关方法进行实证比较来评估其性能
PDF7 years ago
多点期望改进法在最优批量设计中的应用
本文借鉴目前在多点预期收益（Expected Improvement，EI）准则上的最新工作，从 EI 的梯度角度出发，推导出一种闭合表达式，旨在利用基于梯度的上升算法，方便 EI 的最大化，并显示了在应用中的实质性计算节省。结合基于 U
PDF9 years ago
具有未知约束的贝叶斯优化的预测熵搜索
本文提出一种名为具有约束的预测熵搜索（PESC）的基于信息的方法，旨在解决使用贝叶斯优化的期望改进启发式算法遇到的路径 ologies，并分析其在合成、基准和真实世界实例中表现优于基于 EI 的方法，展示其是一种有效的算法，为约束贝叶斯优化
PDF9 years ago
黑盒约束优化的增广 Lagrange 建模
本研究提出一种混合方法，结合响应面建模、期望改进和增广拉格朗日数值优化框架，以解决拥有复杂约束的组合优化问题，该方法可以将全局思维与局部操作结合起来，可应用于高成本的仿真评估和建模工作，提高已有的目标导向统计方法的效率。
PDF10 years ago
高效全局优化算法的收敛速度
通过选取最优的高斯过程先验，构建相应函数空间，提出的多个方法可以最小化某个函数的未知性，包括连续自适应边界算法和高斯过程基本概念，最优化方法如期望改进和随机搜索算法等。
PDF13 years ago