留兰香

留兰香是进行贝叶斯优化的软件包。该软件被设计为以迭代调整多个参数的方式自动运行实验(因此,代码名留存),以便尽可能少地运行一些目标。


ZBMaCT中的参考文献(42篇文章中引用)

显示结果1至20的42。
按年份排序(引文
  1. 艾哈迈德,Mohamed Osama;Vaswani,Sharan;施密特,马克:贝叶斯优化与Lipschitz优化相结合(2020)
  2. 莫里科尼,里卡尔多;库马尔,K. S. Seh;DeISeNROTH,Marc Peter:利用分位数高斯过程投影的高维贝叶斯优化(2020)
  3. 尤卡先生;卡斯基,塞缪尔:无偏推理汇总统计的局部降维(2020)
  4. 吴,郝;NOE,弗兰克:从时间序列数据学习马尔可夫过程的变分方法(2020)
  5. Ariafar,StaReh;Call字体,JuuMe;布鲁克斯,Dana;Dy,珍妮佛:ADMMBO:利用ADMM(2019)带未知约束的贝叶斯优化
  6. 伯克,劳伦;伯特西马斯,Dimitris:可证明的最优稀疏主成分分析(2019)
  7. Candelieri,安东尼奥;Giordani,Ilaria;Archetti,弗朗西斯科;Barkalov,康斯坦丁;MyElov,Iosif;Sosiev,Yo;ZooTykh,Y:基于并行全局优化的SVM支持的需水量预测系统超参数(2019)
  8. 长勇OH,Efstratios Gavves,马克斯Wele:博克:带柱面核的贝叶斯优化(2019)阿西夫
  9. 弗拉克斯曼,塞思;基里科,米迦勒;Pereira,PaU;Loffle,查尔斯:用核方法进行稀疏时空事件的可扩展高分辨率预测:NIJ“实时犯罪预测挑战”的获胜解决方案(2019)
  10. 马尔科,古特曼,Michael U.;Pleska,Arijus;安艺的WeltARi;Marttinen,PekKa:基于模型的近似贝叶斯计算的高效获取规则(2019)
  11. 乔伊,托马斯;DeMaSyn,Alban;AjaNeN,SalayyasigAM;Bunel,Rudy;萨尔茨曼,马蒂厄;Kohli,PutsMeund;Torr,Philip H. S.;Pig,Y:具有高阶稀疏势的密集CRFs的有效松弛(2019)
  12. 莱瑟姆,本杰明;卡勒,布瑞恩;Ottoni,吉尔赫姆;Bakshy,伊坦:带噪声实验的约束贝叶斯优化(2019)
  13. 林道尔,马吕斯;van Rijn,Jan N.;Kotthoff,拉尔斯:算法选择竞赛2015和2017(2019)
  14. Mariappan,Ragunathan;拉扬,瓦伊巴夫:增强多视图学习的深层集合矩阵分解(2019)
  15. 奥茨,C. J.;沙利文,T. J.:概率数字的现代回顾(2019)
  16. Raissi,M.P. G. E.,物理知识神经网络:一个解决非线性偏微分方程正逆问题的深度学习框架(2019)
  17. 魏,Shiyin;靳,Xiaowei;李,回:非线性微分方程的一般解:基于规则的自学习方法,使用深度强化学习(2019)
  18. 张,Michael Minyi;威廉姆森,Sinead A.:高斯过程的并行并行推理(2019)
  19. Aggavar,Charu C.:神经网络和深度学习。教科书(2018)
  20. Candelieri,A,Prigo,R.;Archetti,F.:水分配系统中泵操作的贝叶斯优化(2018)