多目的Bayes最適化のための不確実性を意識した探索フレームワーク【JST・京大機械翻訳】

Belakaria Syrine; Deshwal Aryan; Jayakodi Nitthilan Kannappan; Doppa Janardhan Rao

プレプリント

J-GLOBAL ID：202202213589612025 整理番号：22P0330366

多目的Bayes最適化のための不確実性を意識した探索フレームワーク【JST・京大機械翻訳】

Uncertainty-Aware Search Framework for Multi-Objective 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 (4件)： , , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年04月12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)

高価な関数評価を用いた多目的(MO)ブラックボックス最適化の問題を考察し,その目標は,関数評価の数を最小にしながら,解の真のPareto集合を近似することである。例えば,ハードウェア設計最適化において,高価なシミュレーションを用いてトレードオフ性能,エネルギー,および面積オーバヘッドの設計を見つける必要がある。この問題を解決するための評価のための入力系列を効率的に選択するために,USeMOと呼ぶ新しい不確実性意識探索フレームワークを提案した。USeMOの選択方法は,最も有望な候補を同定し,不確実性の尺度に基づく最良の候補を採取するために,真の関数の代理モデルを介して安価なMO最適化問題を解くことから成る。また,著者らのアプローチの有効性を特性化するための理論解析を提供した。いくつかの合成および6つの多様な実世界ベンチマーク問題に関する著者らの実験は,USeMOが最先端のアルゴリズムよりも一貫して優れていることを示した。【JST・京大機械翻訳】

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

数理計画法 , システム最適化手法

, , , ,

前のページに戻る