論文の概要: Bayesian Optimisation Against Climate Change: Applications and
Benchmarks
- arxiv url: http://arxiv.org/abs/2306.04343v1
- Date: Wed, 7 Jun 2023 11:17:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 15:00:45.026921
- Title: Bayesian Optimisation Against Climate Change: Applications and
Benchmarks
- Title（参考訳）: 気候変動に対するベイズ最適化:応用とベンチマーク
- Authors: Sigrid Passano Hellan, Christopher G. Lucas, Nigel H. Goddard
- Abstract要約: 気候変動の応用におけるベイズ最適化の応用とベンチマークについて概観する。
材料発見,風力発電のレイアウト,最適再生制御,環境モニタリングの4つの主要な応用分野を同定する。
各ドメインについて、実際の問題を代表しながら、システムの使用や評価が容易な公開ベンチマークやデータセットを特定します。
環境モニタリングに適したベンチマークがないため,大気汚染データに基づくLAQN-BOを提案する。
- 参考スコア（独自算出の注目度）: 0.4640835690336652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bayesian optimisation is a powerful method for optimising black-box
functions, popular in settings where the true function is expensive to evaluate
and no gradient information is available. Bayesian optimisation can improve
responses to many optimisation problems within climate change for which
simulator models are unavailable or expensive to sample from. While there have
been several feasibility demonstrations of Bayesian optimisation in
climate-related applications, there has been no unifying review of applications
and benchmarks. We provide such a review here, to encourage the use of Bayesian
optimisation in important and well-suited application domains. We identify four
main application domains: material discovery, wind farm layout, optimal
renewable control and environmental monitoring. For each domain we identify a
public benchmark or data set that is easy to use and evaluate systems against,
while being representative of real-world problems. Due to the lack of a
suitable benchmark for environmental monitoring, we propose LAQN-BO, based on
air pollution data. Our contributions are: a) identifying a representative
range of benchmarks, providing example code where necessary; b) introducing a
new benchmark, LAQN-BO; and c) promoting a wider use of climate change
applications among Bayesian optimisation practitioners.
- Abstract（参考訳）: ベイズ最適化はブラックボックス関数を最適化する強力な方法であり、真の関数の評価が高価で勾配情報がない設定で人気がある。
ベイズ最適化は、シミュレーターモデルが使用できない、またはサンプリングに費用がかかる気候変化における多くの最適化問題に対する応答を改善することができる。
気候関連アプリケーションにおけるベイズ最適化の実現可能性実証はいくつかあるが、アプリケーションとベンチマークの統一的なレビューは行われていない。
ここでは、ベイズ最適化の重要かつ適したアプリケーションドメインでの活用を促進するために、このようなレビューを行う。
材料発見,風力発電のレイアウト,最適再生制御,環境モニタリングの4つの主要な応用分野を同定する。
各ドメインについて、実際の問題を代表しながら、システムの使用や評価が容易な公開ベンチマークやデータセットを特定します。
環境モニタリングに適したベンチマークがないため,大気汚染データに基づくLAQN-BOを提案する。
私たちの貢献は
a) ベンチマークの代表的な範囲を特定し,必要であればサンプルコードを提供すること
b) 新しいベンチマーク「laqn-bo」の導入
c)ベイズ最適化実践者の間での気候変動適用の広範な活用を促進すること。
関連論文リスト
- A survey and benchmark of high-dimensional Bayesian optimization of discrete sequences [12.248793682283964]
個々のブラックボックス機能を最適化することは、タンパク質工学や薬物設計など、いくつかの領域において重要である。
我々は,高次元ベイズ最適化手法と標準化されたブラックボックス関数の集合を幅広くテストするための統一的なフレームワークを開発する。
これらのベンチマークの2つのコンポーネントはそれぞれ、柔軟でスケーラブルで容易に拡張可能なソフトウェアライブラリによってサポートされています。
論文 参考訳（メタデータ） (2024-06-07T08:39:40Z) - Localized Zeroth-Order Prompt Optimization [54.964765668688806]
そこで我々は,ZOPO(Localized zeroth-order prompt optimization)という新しいアルゴリズムを提案する。
ZOPOはニューラル・タンジェント・カーネルをベースとしたガウス法を標準ゼロ階次最適化に取り入れ、高速な局所最適探索を高速化する。
注目すべきは、ZOPOは最適化性能とクエリ効率の両方の観点から、既存のベースラインを上回っていることだ。
論文 参考訳（メタデータ） (2024-03-05T14:18:15Z) - A General Framework for User-Guided Bayesian Optimization [51.96352579696041]
コラボ (ColaBO) は、典型的なカーネル構造を超越した事前信念のための最初のベイズ原理の枠組みである。
我々は,ColaBOの事前情報が正確である場合に最適化を著しく高速化し,ミスリード時のほぼ既定性能を維持する能力を実証的に実証した。
論文 参考訳（メタデータ） (2023-11-24T18:27:26Z) - Better Practices for Domain Adaptation [62.70267990659201]
ドメイン適応(DA)は、ラベルを使わずに、モデルを配置データに適用するためのフレームワークを提供することを目的としている。
DAの明確な検証プロトコルは、文献の悪い実践につながっている。
ドメイン適応手法の3つの分野にまたがる課題を示す。
論文 参考訳（メタデータ） (2023-09-07T17:44:18Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳（メタデータ） (2023-07-25T09:45:47Z) - Movement Penalized Bayesian Optimization with Application to Wind Energy
Systems [84.7485307269572]
文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。
この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。
標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
論文 参考訳（メタデータ） (2022-10-14T20:19:32Z) - Optimistic Optimization of Gaussian Process Samples [30.226274682578172]
競合する、計算的により効率的でグローバルな最適化フレームワークは楽観的な最適化であり、これは探索空間の幾何学に関する事前知識を相似関数として利用している。
幾何的探索と確率的探索の間には新たな研究領域があり、ベイズ最適化の重要な機能を保ちながら、従来のベイズ最適化よりも大幅に高速に実行される方法がある。
論文 参考訳（メタデータ） (2022-09-02T09:06:24Z) - Surrogate modeling for Bayesian optimization beyond a single Gaussian
process [62.294228304646516]
本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。
拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。
提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
論文 参考訳（メタデータ） (2022-05-27T16:43:10Z) - Sparse Bayesian Optimization [16.867375370457438]
よりスパースで解釈可能な構成を発見できる正規化ベースのアプローチをいくつか提示する。
そこで本研究では,同相連続に基づく新たな微分緩和法を提案し,空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間
スパシティのために効率的に最適化できることが示されています。
論文 参考訳（メタデータ） (2022-03-03T18:25:33Z) - Preferential Batch Bayesian Optimization [16.141259199997005]
優先バッチベイズ最適化(PBBO)は、潜在関数の最適性を見つけるための新しいフレームワークである。
本稿では,ベイズ最適化における従来の手法の一般化と拡張について述べる。
論文 参考訳（メタデータ） (2020-03-25T14:59:15Z) - Finding Optimal Points for Expensive Functions Using Adaptive RBF-Based
Surrogate Model Via Uncertainty Quantification [11.486221800371919]
本稿では,適応的放射基底関数 (RBF) を用いた不確実性定量化によるサロゲートモデルを用いた新しいグローバル最適化フレームワークを提案する。
まずRBFに基づくベイズ代理モデルを用いて真の関数を近似し、新しい点が探索されるたびにRBFのパラメータを適応的に推定し更新することができる。
次に、モデル誘導選択基準を用いて、関数評価のための候補セットから新しい点を識別する。
論文 参考訳（メタデータ） (2020-01-19T16:15:55Z)
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。