Fugu-MT 論文翻訳(概要): Symmetry-Aware Bayesian Optimization via Max Kernels

論文の概要: Symmetry-Aware Bayesian Optimization via Max Kernels

arxiv url: http://arxiv.org/abs/2509.25051v1
Date: Mon, 29 Sep 2025 17:02:28 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-30 22:32:20.149926
Title: Symmetry-Aware Bayesian Optimization via Max Kernels
Title（参考訳）: 対称性を考慮したMax Kernelsによるベイズ最適化
Authors: Anthony Bardou, Antoine Gonon, Aryan Ahadinia, Patrick Thiran,
Abstract要約: 群軌道間の最大の類似性の使用は、他の領域で長い間検討されてきた。本研究では、最大核のPSDプロジェクションを考慮し、この考え方を再考する。既存の不変(および不変でない)カーネルと比較して、合成および実世界のBOベンチマークにおいて、非常に少ない後悔が得られることを示す。
参考スコア（独自算出の注目度）: 9.936132046985438
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bayesian Optimization (BO) is a powerful framework for optimizing noisy, expensive-to-evaluate black-box functions. When the objective exhibits invariances under a group action, exploiting these symmetries can substantially improve BO efficiency. While using maximum similarity across group orbits has long been considered in other domains, the fact that the max kernel is not positive semidefinite (PSD) has prevented its use in BO. In this work, we revisit this idea by considering a PSD projection of the max kernel. Compared to existing invariant (and non-invariant) kernels, we show it achieves significantly lower regret on both synthetic and real-world BO benchmarks, without increasing computational complexity.
Abstract（参考訳）: ベイズ最適化(BO)は、ノイズの多い高価なブラックボックス関数を最適化するための強力なフレームワークである。目的が群作用の下で不変性を示す場合、これらの対称性を利用するとBO効率が大幅に向上する。群軌道間での最大類似性の使用は、他の領域では長い間検討されてきたが、最大核が正の半定値(PSD)ではないという事実は、BOでの使用を妨げている。本研究では、最大核のPSDプロジェクションを考慮し、この考え方を再考する。既存の不変(および不変でない)カーネルと比較して、計算複雑性を増大させることなく、合成および実世界のBOベンチマークでの後悔を著しく低減することを示す。

関連論文リスト

From Sorting Algorithms to Scalable Kernels: Bayesian Optimization in High-Dimensional Permutation Spaces [0.0]
本稿では,ソートアルゴリズムから派生したカーネル関数を用いて,効率的な置換表現を生成する新しいフレームワークを提案する。このフレームワーク内では、Mallowsカーネルはソートから派生した特別なインスタンスと見なすことができる。我々の中心的な主張は、マージカーネルが低次元設定でMallowsカーネルと競合するということである。
論文参考訳（メタデータ） (2025-07-17T16:12:39Z)
Dimensionality Reduction Techniques for Global Bayesian Optimisation [1.433758865948252]
減次元部分空間におけるBOの実行に次元還元を適用した潜在空間ベイズ最適化について検討する。我々は、より複雑なデータ構造や一般的なDRタスクを管理するために、変分オートエンコーダ(VAE)を使用している。そこで本研究では,分子生成などのタスク用に設計され,より広い最適化目的のためにアルゴリズムを再構成する実装において,いくつかの重要な補正を提案する。
論文参考訳（メタデータ） (2024-12-12T11:27:27Z)
Sample-efficient Bayesian Optimisation Using Known Invariances [56.34916328814857]
バニラと制約付きBOアルゴリズムは、不変目的を最適化する際の非効率性を示す。我々はこれらの不変カーネルの最大情報ゲインを導出する。核融合炉用電流駆動システムの設計に本手法を用い, 高性能溶液の探索を行った。
論文参考訳（メタデータ） (2024-10-22T12:51:46Z)
Model-based Causal Bayesian Optimization [78.120734120667]
モデルに基づく因果ベイズ最適化(MCBO)を提案する。 MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
論文参考訳（メタデータ） (2022-11-18T14:28:21Z)
Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文参考訳（メタデータ） (2022-07-02T16:59:37Z)
MBORE: Multi-objective Bayesian Optimisation by Density-Ratio Estimation [0.01652719262940403]
最適化問題は、しばしば計算的に、あるいは金銭的にコストがかかる複数の矛盾する目標を持つ。単代理ベイズ最適化(BO)は、そのようなブラックボックス関数を最適化するための一般的なモデルベースのアプローチである。 BOREによるBOの先行研究を多目的設定に拡張する。
論文参考訳（メタデータ） (2022-03-31T09:27:59Z)
Minimax Optimization with Smooth Algorithmic Adversaries [59.47122537182611]
対戦相手が展開するスムーズなアルゴリズムに対して,Min-playerの新しいアルゴリズムを提案する。本アルゴリズムは,制限周期のない単調進行を保証し,適切な勾配上昇数を求める。
論文参考訳（メタデータ） (2021-06-02T22:03:36Z)
Bayesian Optimistic Optimisation with Exponentially Decaying Regret [58.02542541410322]
現在の実用的なBOアルゴリズムは、$mathcalO(fraclogNsqrtN)$から$mathcalO(e-sqrtN)$まで、$N$は評価の数である。本稿では,boと木に基づく楽観的楽観化の概念を絡み合うことにより,無音環境における後悔を改善できる可能性について検討する。次数$mathcal O(N-sqrt)で指数的再帰を達成できる最初の実践的手法であるBOOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-10T13:07:44Z)
How Bayesian Should Bayesian Optimisation Be? [0.024790788944106048]
BO(FBBO)におけるガウス過程ハイパーパラメータの完全ベイズ処理が最適化性能の向上に繋がるかどうかを検討する。予測改善(EI)とアッパー信頼境界(UCB)の取得関数を用いて、3つの近似推論スキームと最大可能性アプローチでFBBOを比較します。 ARDカーネルでEIを使用するFBBOは、ノイズフリー設定で最高のパフォーマンスをもたらし、ノイズが増加するとBOコンポーネントの組み合わせの違いがはるかに少なくなります。
論文参考訳（メタデータ） (2021-05-03T14:28:11Z)
Sub-linear Regret Bounds for Bayesian Optimisation in Unknown Search Spaces [63.22864716473051]
本稿では,反復により探索空間を拡大(およびシフト)する新しいBOアルゴリズムを提案する。理論的には、どちらのアルゴリズムにおいても、累積的後悔は線形以下の速度で増大する。
論文参考訳（メタデータ） (2020-09-05T14:24:40Z)

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。