論文の概要: Bayesian Optimization Augmented with Actively Elicited Expert Knowledge
- arxiv url: http://arxiv.org/abs/2208.08742v1
- Date: Thu, 18 Aug 2022 09:49:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 13:02:53.815168
- Title: Bayesian Optimization Augmented with Actively Elicited Expert Knowledge
- Title(参考訳): 専門知識を有効活用したベイズ最適化
- Authors: Daolang Huang, Louis Filstroff, Petrus Mikkola, Runkai Zheng, Samuel
Kaski
- Abstract要約: 我々は、最適化をさらに加速することを目的として、専門家の知識をBOに組み込むという課題に取り組む。
本研究では,この課題に対するマルチタスク学習アーキテクチャを設計し,専門家の知識を共同で抽出し,目的関数を最小化することを目的とする。
シミュレーションと実際の人間の専門家による様々なベンチマーク関数の実験では、専門家の知識が偏っている場合でも、提案手法はBOを著しく高速化することが示された。
- 参考スコア(独自算出の注目度): 13.551210295284733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian optimization (BO) is a well-established method to optimize black-box
functions whose direct evaluations are costly. In this paper, we tackle the
problem of incorporating expert knowledge into BO, with the goal of further
accelerating the optimization, which has received very little attention so far.
We design a multi-task learning architecture for this task, with the goal of
jointly eliciting the expert knowledge and minimizing the objective function.
In particular, this allows for the expert knowledge to be transferred into the
BO task. We introduce a specific architecture based on Siamese neural networks
to handle the knowledge elicitation from pairwise queries. Experiments on
various benchmark functions with both simulated and actual human experts show
that the proposed method significantly speeds up BO even when the expert
knowledge is biased compared to the objective function.
- Abstract(参考訳): ベイズ最適化(英: Bayesian Optimization, BO)は、直接評価を行うブラックボックス関数を最適化する手法である。
本稿では,これまでにほとんど注目されていない最適化をさらに加速することを目的として,boに専門家の知識を組み込むことの問題に取り組む。
我々は,専門家の知識を抽出し,目的関数を最小化することを目的として,タスクのためのマルチタスク学習アーキテクチャを設計した。
特に、これは専門家の知識をBOタスクに転送することを可能にする。
我々は、ペアワイズクエリから知識を引き出すために、Siameseニューラルネットワークに基づく特定のアーキテクチャを導入する。
シミュレーションと実際の人間のエキスパートによる様々なベンチマーク関数の実験では、専門家の知識が客観的な関数に偏っていても、提案手法はboを著しく高速化することが示された。
関連論文リスト
- Reinforced In-Context Black-Box Optimization [67.02295929937829]
RIBBOは、オフラインデータからエンドツーエンドでBBOアルゴリズムを強化学習する手法である。
RIBBOは、複数の動作アルゴリズムとタスクによって生成された最適化履歴を学習するために、表現的なシーケンスモデルを使用している。
提案手法の中心となるのは,履歴の累積的後悔に基づくアルゴリズムの性能を表現するために,後悔から後悔へのトークンで最適化履歴を増大させることである。
論文 参考訳(メタデータ) (2024-02-27T11:32:14Z) - Enhanced Bayesian Optimization via Preferential Modeling of Abstract
Properties [49.351577714596544]
本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。
優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
論文 参考訳(メタデータ) (2024-02-27T09:23:13Z) - Explainable Bayesian Optimization [3.949577426370692]
我々は,多目的最適化により高品質な説明文を生成する規則に基づく説明可能性手法であるTNTRulesを提案する。
この研究はBOとXAIの交差に寄与し、現実世界のアプリケーションに解釈可能な最適化技術を提供する。
論文 参考訳(メタデータ) (2024-01-24T09:59:22Z) - Domain Knowledge Injection in Bayesian Search for New Materials [0.0]
探索空間における探索を調整するためのドメイン知識に対応するベイズ最適化(BO)アルゴリズムであるDKIBOを提案する。
材料設計タスクにおいて,ドメイン知識をうまく注入することで,提案手法の実用性を実証的に実証する。
論文 参考訳(メタデータ) (2023-11-26T01:55:55Z) - RLIF: Interactive Imitation Learning as Reinforcement Learning [61.14928315004026]
オフ・ポリティクス強化学習は、インタラクティブな模倣学習よりも近いが、潜在的にさらに実践的な仮定の下で、パフォーマンスを向上させることができる。
提案手法は,ユーザ介入信号を用いた強化学習を報奨として利用する。
このことは、インタラクティブな模倣学習において介入する専門家がほぼ最適であるべきだという仮定を緩和し、アルゴリズムが潜在的に最適でない人間の専門家よりも改善される行動を学ぶことを可能にする。
論文 参考訳(メタデータ) (2023-11-21T21:05:21Z) - PromptAgent: Strategic Planning with Language Models Enables
Expert-level Prompt Optimization [60.00631098364391]
PromptAgentは、エキスパートレベルのプロンプトを、専門家による手工芸品と同等の品質で作成する最適化手法である。
PromptAgentは人間のような試行錯誤の探索にインスパイアされ、専門家レベルの正確な洞察と詳細な指示を誘導する。
PromptAgentを3つの実践領域にまたがる12のタスクに適用する。
論文 参考訳(メタデータ) (2023-10-25T07:47:01Z) - BO-Muse: A human expert and AI teaming framework for accelerated
experimental design [58.61002520273518]
我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。
我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
論文 参考訳(メタデータ) (2023-03-03T02:56:05Z) - Incorporating Expert Prior Knowledge into Experimental Design via
Posterior Sampling [58.56638141701966]
実験者は、グローバルな最適な場所に関する知識を得ることができる。
グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。
効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
論文 参考訳(メタデータ) (2020-02-26T01:57:36Z)
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。