Gaussプロセスバンディット最適化における期待改善アルゴリズムのためのRegret限界【JST・京大機械翻訳】

Tran-The Hung; Gupta Sunil; Rana Santu; Venkatesh Svetha

プレプリント

J-GLOBAL ID：202202213171771968 整理番号：22P0304525

Gaussプロセスバンディット最適化における期待改善アルゴリズムのためのRegret限界【JST・京大機械翻訳】

Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit 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 (4件)： , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15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)

期待改善(EI)アルゴリズムは,その単純さと効率のために不確実性下での最適化のための最も一般的な戦略の1つである。その人気にもかかわらず,このアルゴリズムの理論的側面は適切に解析されていない。特に,雑音の多い設定において,標準インキュベント収束によるEI戦略は,Gaussプロセス帯域最適化問題の未解決の問題である。著者らは,GP予測平均によって定義された標準情報を持つEIのバリアントを提案することによって,この疑問に答えることを目指した。提案アルゴリズムが収束し,γ_TがT観測とGauss過程モデルの間の最大情報利得であるO(γ_T√T)の累積レグレット結合を達成することを証明した。EIのこの変異体に基づいて,以前の対応物より速く収束する改良GP-EIと呼ばれるアルゴリズムを提案した。特に,提案したEIの変種は,RKHSノルムの知識や従来の研究のように雑音のサブGauss性パラメータを必要としない。本論文における経験的検証は,いくつかのベースラインと比較して著者らのアルゴリズムの有効性を実証した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る