πBO:Bayes最適化のためのユーザ信念による獲得機能の強化【JST・京大機械翻訳】

Hvarfner Carl; Stoll Danny; Souza Artur; Lindauer Marius; Hutter Frank; Nardi Luigi

プレプリント

J-GLOBAL ID：202202206659581843 整理番号：22P0337262

πBO:Bayes最適化のためのユーザ信念による獲得機能の強化【JST・京大機械翻訳】

$\pi$BO: Augmenting Acquisition Functions with User Beliefs for Bayesian Optimization

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 (6件)： , , , , ,
資料名：
発行年： 2022年04月23日プレプリントサーバーでの情報更新日： 2022年04月23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)

Bayes最適化(BO)は,機械学習(ML)アルゴリズムのハイパーパラメータ最適化(HPO)のための確立されたフレームワークと一般的なツールになった。そのサンプル効率について知られているが,バニラBOは,容易に利用可能な事前信念を利用できず,プラクターは最適の潜在的位置にある。したがって,BOは貴重な情報源を無視し,ML実務者へのその魅力を低減する。この課題に取り組むために,ユーザにより提供される確率分布の形式で最適の位置について事前の信念を組み込んだ獲得関数一般化であるπBOを提案した。以前のアプローチとは対照的に,πBOは概念的に単純であり,既存のライブラリと多くの取得関数と容易に統合できる。著者らは,πBOを一般的期待改善獲得関数に適用するとき,レグレット限界を提供し,そして,事前と無関係に規則的速度で収束を証明した。さらに,著者らの実験は,πBOが広範囲のベンチマークと事前特性にわたって競合するアプローチより優れていることを示した。また,πBOは,一般的な深層学習タスクに対して最先端の性能を改善し,顕著なBOアプローチに対して12.5×時間-精度高速化を有することを実証した。【JST・京大機械翻訳】

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

システム・制御理論一般 , 移動通信 , 人工知能 , 図形・画像処理一般

, , ,

前のページに戻る