ツリー構造付加モデルによる高次元Bayes最適化【JST・京大機械翻訳】

Han Eric; Arora Ishank; Scarlett Jonathan

プレプリント

J-GLOBAL ID：202202207509988313 整理番号：21P0070773

ツリー構造付加モデルによる高次元Bayes最適化【JST・京大機械翻訳】

High-Dimensional Bayesian Optimization via Tree-Structured Additive Models

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 (3件)： , ,
資料名：
発行年： 2020年12月23日プレプリントサーバーでの情報更新日： 2020年12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,高価な低次元ブラックボックス最適化問題に,大きな成功を示した。関心の多くの最適化問題は高次元であり,そのような設定に対するスケーリングBOは重要な課題のままである。本論文では,変数の重複部分集合を持つ低次元関数が高次元目的関数をモデル化するために構成される一般化付加モデルを考察した。著者らの目標は,既存の方法のサンプル効率を保持しながら,モデル複雑性を減らすことによって,必要な計算資源を下げて,より速いモデル学習を容易にすることである。具体的には,構造学習と取得関数の最適化の両方を容易にするために,ツリー構造に対する基礎となる依存性グラフを制約する。前者では,Gibbsサンプリングと突然変異に基づくハイブリッドグラフ学習アルゴリズムを提案した。さらに,著者らは,連続ドメインの場合でより効率的に採用される一般化付加モデルを可能にする新しいズーミングベースアルゴリズムを提案した。著者らは,合成関数と実世界データセットに関する一連の実験を通して,著者らのアプローチの有効性を実証して論じた。【JST・京大機械翻訳】

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

人工知能 , システム最適化手法 , システム・制御理論一般 , 数値計算

, , ,

前のページに戻る