Gauss過程と適応離散化によるPareto能動学習【JST・京大機械翻訳】

Nika Andi; Bozgan Kerem; Elahi Sepehr; Ararat Cagin; Tekin Cem

プレプリント

J-GLOBAL ID：202202200269919586 整理番号：21P0037082

Gauss過程と適応離散化によるPareto能動学習【JST・京大機械翻訳】

Pareto Active Learning with Gaussian Processes and Adaptive Discretization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年06月24日プレプリントサーバーでの情報更新日： 2021年11月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,指数集合が設計の良い挙動,コンパクトな計量空間(X,d)であるGaussプロセス(GP)からサンプリングしたベクトル値目的関数fを最適化する問題を考察した。fは前もって知られておらず,設計xにおけるfを評価することはf(x)の雑音の多い観察をもたらすと仮定した。網羅的探索によるPareto最適設計の同定は,Xの基数が大きいとき実行不可能であり,GPサンプリング関数の平滑性と高速学習のための(X,d)構造を利用する適応ε-PALと呼ばれるアルゴリズムを提案した。本質的に,適応ε-PALは,できるだけ少ない評価で,設計のε-正確なPareto集合を同定するために,ツリーベースの適応離散化技術を採用する。著者らは,ε-正確なPareto集合同定のサンプル複雑性に関して,情報タイプとメトリック次元タイプ限界の両方を提供した。また,このアルゴリズムはいくつかのベンチマークデータセット上で他のPareto集合同定法より優れていることを実験的に示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

システム最適化手法 , 数値計算

, , ,

前のページに戻る