Fugu-MT 論文翻訳(概要): Practical Path-based Bayesian Optimization

論文の概要: Practical Path-based Bayesian Optimization

arxiv url: http://arxiv.org/abs/2312.00622v1
Date: Fri, 1 Dec 2023 14:39:11 GMT
ステータス: 処理完了
システム内更新日: 2023-12-04 14:21:15.349051
Title: Practical Path-based Bayesian Optimization
Title（参考訳）: 実用的なパスベースベイズ最適化
Authors: Jose Pablo Folch, James Odgers, Shiqiang Zhang, Robert M Lee, Behrang Shafei, David Walz, Calvin Tsay, Mark van der Wilk, Ruth Misener
Abstract要約: 我々はSnAKeアルゴリズムを拡張し、両方のコストを同時に処理する。本稿では,最大許容可能な入力変更の場合に拡張すると共に,多目的設定にも拡張を提案する。
参考スコア（独自算出の注目度）: 15.21437717172036
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: There has been a surge in interest in data-driven experimental design with applications to chemical engineering and drug manufacturing. Bayesian optimization (BO) has proven to be adaptable to such cases, since we can model the reactions of interest as expensive black-box functions. Sometimes, the cost of this black-box functions can be separated into two parts: (a) the cost of the experiment itself, and (b) the cost of changing the input parameters. In this short paper, we extend the SnAKe algorithm to deal with both types of costs simultaneously. We further propose extensions to the case of a maximum allowable input change, as well as to the multi-objective setting.
Abstract（参考訳）: 化学工学と医薬品製造への応用により、データ駆動の実験設計への関心が高まっている。ベイズ最適化(bo)は、高価なブラックボックス関数として興味のある反応をモデル化できるため、そのようなケースに適応できることが証明されている。このブラックボックス関数のコストは2つの部分に分けられることがある。 (a)実験自体の費用、及び (b)入力パラメータを変更するコスト。本稿では,SnAKeアルゴリズムを拡張し,両種類のコストを同時に処理する。さらに、最大許容可能な入力変更の場合と、多目的設定の拡張についても提案する。

関連論文リスト

Cost-aware Bayesian Optimization via the Pandora's Box Gittins Index [57.045952766988925]
我々は,コストを意識したベイズ最適化と,経済学の意思決定問題であるPandoraのBox問題との間に,従来未解決の接続関係を構築した。我々の研究は、Gittinsインデックス理論からベイズ最適化への技術統合に向けた第一歩となる。
論文参考訳（メタデータ） (2024-06-28T17:20:13Z)
Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
論文参考訳（メタデータ） (2024-05-28T07:38:39Z)
Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文参考訳（メタデータ） (2024-02-05T02:54:50Z)
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)
SnAKe: Bayesian Optimization with Pathwise Exploration [9.807656882149319]
本稿では,イテレーション間の大きな入力変更を行う場合,関数評価のコストが大幅に増大する,という新しい設定について考察する。本稿では,この問題を考察し,適応接続サンプルを用いた逐次ベイズ最適化(SnAKe)を導入する。将来のクエリを考慮し、入力コストを最小限に抑える最適化パスをプリエンプティブに構築することで、ソリューションを提供する。
論文参考訳（メタデータ） (2022-01-31T19:42:56Z)
Multi-Step Budgeted Bayesian Optimization with Unknown Evaluation Costs [28.254408148839644]
不均一な評価コストの設定に古典的な期待改善を一般化する非筋力的獲得関数を提案する。我々の獲得関数は、様々な合成問題や実問題において、既存の手法よりも優れています。
論文参考訳（メタデータ） (2021-11-12T02:18:26Z)
Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
論文参考訳（メタデータ） (2021-11-01T19:49:35Z)
Pareto-efficient Acquisition Functions for Cost-Aware Bayesian Optimization [5.459427541271035]
ブラックボックス関数に対するコスト対応ベイズ最適化について述べる。 144個の実世界のブラックボックス関数最適化問題に対して、我々のソリューションは50%のスピードアップをもたらす。また、ガウスのプロセスコストモデルに対する一般的な選択を再考し、単純で低分散のコストモデルがトレーニング時間を効果的に予測することを示した。
論文参考訳（メタデータ） (2020-11-23T15:06:07Z)
Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文参考訳（メタデータ） (2020-08-10T09:42:59Z)
Bayesian optimization for modular black-box systems with switching costs [9.595357496779394]
我々はLaMBO(Lazy Modular Bayesian Optimization)と呼ばれるスイッチコストを考慮した新しいアルゴリズムを提案する。 LaMBOは、初期モジュールにおける変数の受動的変更によるコストを最小化しながら、グローバルな最適化を効率的に識別する。複数の合成機能にLaMBOを応用し,神経科学応用に使用される3段階画像分割パイプラインを試作した。
論文参考訳（メタデータ） (2020-06-04T02:56:54Z)
Cost-aware Bayesian Optimization [6.75013674088437]
コストを意識したBOは、時間、エネルギー、お金といった他のコスト指標との収束を測定します。我々は,目標関数をできるだけ少ないコストで最小化しようとするコスト調整BO(CArBO)を導入する。
論文参考訳（メタデータ） (2020-03-22T14:51:04Z)

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。