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
- 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) - Calibration Improves Bayesian Optimization [7.184701179854522]
目的関数に対する後続分布の不確かさを校正する簡単なアルゴリズムを提案する。
キャリブレーションによる後方分布の不確実性推定を改善することにより、ベイズ最適化がより良い決定を下すことを示す。
論文 参考訳(メタデータ) (2021-12-08T23:26:23Z) - 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) - Stochastic Optimization with Laggard Data Pipelines [65.20044914532221]
共通最適化手法の「データ抽出」拡張は同期手法よりも優れた性能を示すことを示す。
具体的には、ミニバッチによる凸最適化において、データエコーは、最適統計率を維持しながら収束率の曲率に支配される部分の高速化をもたらすことを示す。
論文 参考訳(メタデータ) (2020-10-26T14:55:31Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳(メタデータ) (2020-10-15T18:09:48Z) - 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) - Bilevel Optimization for Differentially Private Optimization in Energy
Systems [53.806512366696275]
本稿では,入力に敏感な制約付き最適化問題に対して,差分プライバシーを適用する方法について検討する。
本稿は, 自然仮定の下では, 大規模非線形最適化問題に対して, 双レベルモデルを効率的に解けることを示す。
論文 参考訳(メタデータ) (2020-01-26T20:15:28Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。