留兰香

Spearmint是一个执行贝叶斯优化的软件包。该软件被设计成自动运行实验(因此代号为spearmint),以一种迭代调整多个参数的方式,以便在尽可能少的运行中最小化某些目标。


zbMATH中的参考文献(参考文献80篇文章)

显示第1到第20个结果,共80个。
按年份排序(引用)
  1. 布莱克,劳伦斯;维沃,Sicco;de Weerdt,Mathijs:使用整数最小值模型的黑盒组合优化(2021)
  2. 黄俊浩;孙伟泽;黄磊:多目标稀疏神经网络的联合结构与参数优化(2021)
  3. 卡夫卡,多米尼克;Wilke,Daniel N.:通过使用线搜索定位随机非负相关梯度投影点来自适应地解决学习速率(2021)
  4. 穆勒,朱利安;长河公园;萨胡,芦苇;瓦拉达拉詹、查鲁莱卡;阿罗拉,巴夫娜;费比申科,鲍里斯;Agarwal,Deborah:地下水预测的深层神经网络替代优化(2021)
  5. 南杰云;勇,桓茂;黄俊浩;Choi,Jongeun:训练一个识别电子碰撞模式的人工神经网络(2021)
  6. 威尔逊,詹姆斯T。;博罗维茨基,维亚切斯拉夫;泰宁,亚历山大;莫斯托夫斯基,彼得;Deisenroth,Marc Peter:高斯过程的路径调节(2021)
  7. 怀恩,乔治;布里奥,弗朗索瓦·泽维尔;吉罗拉米,马克:高斯过程平均值的收敛保证与错误指定的可能性和平滑度(2021年)
  8. Zöller,马克·安德烈;Huber,Marco F.:自动化机器学习框架的基准和调查(2021年)
  9. 艾哈迈德,穆罕默德·奥萨马;瓦斯瓦尼,沙兰;Schmidt,Mark:结合贝叶斯优化和Lipschitz优化(2020)
  10. 阿里莫,瑞安;贝哈吉,普瑞亚;Bewley,Thomas R.:基于Delaunay的基于全局代理的无导数优化。三: 非凸约束(2020)
  11. 巴乔克,弗朗索瓦;赫尔伯特,塞琳;Picheny,Victor:带失效的高斯过程优化:分类和收敛证明(2020)
  12. 贝哈吉,普瑞亚;阿里莫,瑞安;Bewley,Thomas:通过统计平均获得的函数的有效最小化的无导数优化算法(2020)
  13. 欧文,詹妮弗B。;格里芬,约书亚;马西娅,鲁梅尔F。;Henriadh不确定响应学习(Hesrian responses for Unlimitive machine responses:Omriations for Unlimitive machine Trust region,2020)
  14. 加鲁兹,B.G。;乔达尼,我。;坎德利里,A。;佩雷戈,R。;Archetti,F.:通过贝叶斯优化实现推荐系统的超参数优化(2020)
  15. 花扶桑,Ryo;Okadome,Takeshi:基于无噪声训练数据构造的Nadaraya-Watson估计器的噪声输入的贝叶斯核回归(2020)
  16. 姜伟;Siddiqui,Sauleh:基于随机梯度下降和双坐标下降的支持向量机超参数优化(2020)
  17. 坎达萨米、基尔谢瓦桑;维亚拉朱,卡伦·拉朱;奈斯旺格,威利;巴黎,比斯瓦吉;柯林斯,克里斯托弗。;施耐德,杰夫;波佐斯,巴拿巴;Xing,Eric P.:在没有研究生的情况下调整超参数:使用蜻蜓进行可伸缩和稳健的贝叶斯优化(2020)
  18. 刘敏良;梁,梁;孙伟:基于通用物理的神经网络软组织本构模型(2020)
  19. 马哈扬,普拉瓦·迪利普;毛里亚,阿比纳夫;梅吉,艾莉;艾尔瓦尼,阿拉;坚强,雷;Blomberg,Jeanette:为可操作收入变化预测优化不平衡数据集的预测精度(2020)
  20. 毛志平;阿梅亚·D·贾格塔普。;Karniadakis,George Em:高速流的物理信息神经网络(2020)