文献

J-GLOBAL ID：201802246324108051   整理番号：18A0195861

適応離散化を用いたBayes関数最適化【Powered by NICT】

Bayesian function optimization with adaptive discretization

著者 (2件)： Shekhar Shubhanshu (Department of Electrical and Computer Engineering, University of California, San Diego) ,  Javidi Tara (Department of Electrical and Computer Engineering, University of California, San Diego)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Allerton  ページ： 533-540  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ブラックボックス関数f X→Rを最大化する問題は,Gauss過程(GP)前処理を用いたBayes枠内で研究した。特に,この問題のための新しいアルゴリズムを提案し,その簡単で累積後悔に及ぼす高確率限界を確立した。最も既存の方法で問合せ点選択則はXの均一な離散化のますます微細配列の網羅的探索を含む,対照的に,提案したアルゴリズムは低い計算複雑性をもたらすX,特に高次元Xを微細化する適応計算利得に加えて,新しいアルゴリズムの後悔限界は既知の結果を改良し同定し十分条件。最後に文脈的盗賊の場合にアルゴリズムの拡張を提案し,文脈後悔に及ぼす高確率限界を提示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 十分条件 ,  利得 ,  高次元 ,  Gauss過程 ,  前処理 ,  精密化 ,  計算量 ,  計算 ,  選択則 ,  *アルゴリズム ,  ブラックボックス
準シソーラス用語： 確率限界 ,  *関数最適化 ,  *離散化 , 【Automatic Indexing@JST】

分類 (1件)： 通信方式一般  (ND07010E)

タイトルに関連する用語 (3件)： 適応 ,  離散化 ,  関数最適化