基于人口的多目标培训

Arkadiy Dushatskiy、Alexander Chebykin、Tanja Alderliesten、Peter Bosman
第40届机器学习国际会议论文集，PMLR 202:8969-89892023年。

摘要

基于人口的训练（PBT）是一种高效的超参数优化算法。PBT是一种单目标算法，但许多实际超参数优化问题涉及两个或多个冲突目标。因此，在这项工作中，我们引入了多目标版本的PBT，MO-PBT。我们对各种多目标超参数优化问题（精度/召回、准确性/公平性、准确性/对抗鲁棒性）的实验表明，MO-PBT优于随机搜索、单目标PBT和最先进的多目标超参量优化算法MO-ASHA。

引用本文

BibTeX公司
@会议记录{pmlr-v202-dushatskiy23a，title={多目标人群训练}，作者＝{Dushatskiy，Arkady和Chebykin，Alexander和Alderliesten，Tanja和Bosman，Peter}，booktitle={第40届机器学习国际会议论文集}，页码={8969--8989}，年份={2023}，editor={克劳斯、安德烈亚斯和布伦斯基尔、艾玛和乔、京贤和恩格尔哈特、芭芭拉和萨巴托、西万和斯佳丽、乔纳森}，体积={202}，series={机器学习研究论文集}，月={7月23日--29日}，publisher={PMLR}，pdf={https://processes.mlr.press/v202/dushatskiy23a/dushatskiy23 a.pdf}，url={https://processes.mlr.press/v202/dushatskiy23a.html}，abstract={基于人口的培训（PBT）是一种高效的超参数优化算法。PBT是一种单目标算法，但许多实际超参数优化问题涉及两个或多个冲突目标。因此，在这项工作中，我们引入了多目标版本的PBT，MO-PBT。我们对各种多目标超参数优化问题（精度/召回、准确性/公平性、准确性/对抗鲁棒性）的实验表明，MO-PBT优于随机搜索、单目标PBT和最先进的多目标超参量优化算法MO-ASHA。}}
尾注
%0会议论文%T基于人群的多目标训练%阿卡迪·杜沙茨基%亚历山大·切比金%Tanja Alderliesten%彼得·博斯曼%第40届机器学习国际会议论文集%C机器学习研究进展%D 2023年%E安德烈亚斯·克劳斯%艾玛·布伦斯基%E Kyunghyun Cho先生%E Barbara Engelhardt%E西万·萨巴托%E乔纳森·斯佳丽%F pmlr-v202-dushatskiy23a公司%我PMLR%电话8969-8989%U型https://proceedings.mlr.press/v202/dushatskiy23a.html%202伏%基于X种群的训练（PBT）是一种高效的超参数优化算法。PBT是一种单目标算法，但许多实际超参数优化问题涉及两个或多个冲突目标。因此，在这项工作中，我们引入了多目标版本的PBT，MO-PBT。我们对各种多目标超参数优化问题（精度/召回、准确性/公平性、准确性/对抗鲁棒性）的实验表明，MO-PBT优于随机搜索、单目标PBT和最先进的多目标超参量优化算法MO-ASHA。
亚太地区
Dushatskiy，A.，Chebykin，A.，Alderliesten，T.&Bosman，P.（2023）。基于人口的多目标培训。第40届机器学习国际会议论文集，英寸机器学习研究进展202:8969-8989网址：https://proceedings.mlr.press/v202/dushatskiy23a.html。

相关材料