Fugu-MT 論文翻訳(概要): Scalable Bayesian Optimization with Sparse Gaussian Process Models

論文の概要: Scalable Bayesian Optimization with Sparse Gaussian Process Models

arxiv url: http://arxiv.org/abs/2010.13301v1
Date: Mon, 26 Oct 2020 03:16:54 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 18:13:36.250758
Title: Scalable Bayesian Optimization with Sparse Gaussian Process Models
Title（参考訳）: スパースガウス過程モデルによるスケーラブルベイズ最適化
Authors: Ang Yang
Abstract要約: この論文は、最適化収束を加速するための微分情報の利用と、大規模データを扱うためのスケーラブルなGPの検討の2つの側面から改善されたベイズ最適化に焦点を当てている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This thesis focuses on Bayesian optimization with the improvements coming from two aspects:(i) the use of derivative information to accelerate the optimization convergence; and (ii) the consideration of scalable GPs for handling massive data.
Abstract（参考訳）: この論文はベイズ最適化に焦点をあてており、改善には2つの側面がある。 (i)最適化収束を加速するためのデリバティブ情報の利用 (ii)大規模データを扱うためのスケーラブルgpsの考察

関連論文リスト

Understanding Optimization in Deep Learning with Central Flows [53.66160508990508]
RMSの暗黙的な振る舞いは、微分方程式の「中央流:」によって明示的に捉えられることを示す。これらのフローは、汎用ニューラルネットワークの長期最適化軌道を経験的に予測できることを示す。
論文参考訳（メタデータ） (2024-10-31T17:58:13Z)
Compact Optimality Verification for Optimization Proxies [15.761737742798157]
近年、パラメトリック最適化問題の入出力マッピングを近似する機械学習モデルへの関心が高まっている。本論文は,計算効率の優れた最適性検証のためのコンパクトな定式化を提案する。
論文参考訳（メタデータ） (2024-05-31T17:11:39Z)
Differentially Private Optimization with Sparse Gradients [60.853074897282625]
微分プライベート(DP)最適化問題を個人勾配の空間性の下で検討する。これに基づいて、スパース勾配の凸最適化にほぼ最適な速度で純粋および近似DPアルゴリズムを得る。
論文参考訳（メタデータ） (2024-04-16T20:01:10Z)
Enhancing Gaussian Process Surrogates for Optimization and Posterior Approximation via Random Exploration [2.984929040246293]
ガウス過程シュロゲートモデルの精度を高めるために、ランダムな探索ステップに依存する新しいノイズフリーベイズ最適化戦略。新しいアルゴリズムは、古典的なGP-UCBの実装の容易さを維持しているが、さらなる探索がそれらの収束を促進する。
論文参考訳（メタデータ） (2024-01-30T14:16:06Z)
Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文参考訳（メタデータ） (2023-01-28T01:50:42Z)
Bayesian Optimization with Informative Covariance [13.113313427848828]
探索空間の特定の領域の好みを符号化するために,非定常性を利用した新しい情報共分散関数を提案する。提案した関数は,より弱い事前情報の下でも,ハイ次元でのベイズ最適化のサンプル効率を向上させることができることを示す。
論文参考訳（メタデータ） (2022-08-04T15:05:11Z)
Transfer Learning with Gaussian Processes for Bayesian Optimization [9.933956770453438]
トランスファーラーニングのための階層型GPモデルについて統一的なビューを提供し、メソッド間の関係を分析する。我々は,既存のアプローチと複雑性の両立する新しい閉形式GP転送モデルを開発した。大規模実験における異なる手法の性能評価を行い、異なる移動学習手法の長所と短所を強調した。
論文参考訳（メタデータ） (2021-11-22T14:09:45Z)
Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
論文参考訳（メタデータ） (2021-04-30T08:50:24Z)
Randomised Gaussian Process Upper Confidence Bound for Bayesian Optimisation [60.93091603232817]
改良されたガウス過程上信頼境界(GP-UCB)取得関数を開発した。これは、分布から探索・探索トレードオフパラメータをサンプリングすることによって行われる。これにより、期待されるトレードオフパラメータが、関数のベイズ的後悔に縛られることなく、問題によりよく適合するように変更できることが証明される。
論文参考訳（メタデータ） (2020-06-08T00:28:41Z)
Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。提案手法の順序の順序による時間収束を,総じて低減する。
論文参考訳（メタデータ） (2020-05-21T20:59:11Z)
Adaptation of Engineering Wake Models using Gaussian Process Regression and High-Fidelity Simulation Data [0.0]
本稿では,9基の風力発電所のヨー制御入力の最適化について検討する。高忠実度シミュレータSOWFAを用いて風力発電を模擬する。
論文参考訳（メタデータ） (2020-03-30T10:22:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。