SMAC公司

基于序列模型的算法配置。smc(sequential model-based algorithm configuration)是优化算法参数(或我们可以自动运行的其他进程的参数,或我们可以评估的函数,如模拟)的通用工具。SMAC帮助我们在某些实例分布上加快了局部搜索和树搜索算法的速度。最近,我们也发现它对于机器学习算法的超参数优化是非常有效的,比其他算法更适合于高维和离散输入维。最后,基于SMAC的预测模型还可以捕捉和利用模型域中的重要信息,例如哪些输入变量是最重要的。我们希望你能发现SMAC同样有用。最终,我们希望它能帮助算法设计者专注于比参数调整更具科学价值的任务。


zbMATH参考文献(参考 53篇文章 引用)

显示第53至第1个结果。
按年份排序(引用)
  1. Ahmed,Mohamed Osama;Vaswani,Sharan;Schmidt,Mark:结合贝叶斯优化和Lipschitz优化(2020)
  2. Bayless,Sam;Kodirov,Nodir;Iqbal,Syed M.;Beschatnikh,Ivan;Hoos,Holger H.;Hu,Alan J.:基于可伸缩约束的虚拟数据中心分配(2020年)
  3. Mickaël Binois;Ginsbourger,David;Roustant,Olivier:关于通过随机嵌入进行全局优化的低维域的选择(2020)
  4. Kletzander,Lucas;Musliu,Nysret:解决一般员工调度问题(2020)
  5. Moriconi,Riccardo;Kumar,K.S.Sesh;Deisenroth,Marc Peter:使用分位数高斯过程进行预测的高维贝叶斯优化(2020)
  6. Toutouh,Jamal;Rossit,Diego;Nesmachnow,Sergio:智能城市垃圾堆积点多目标定位的软计算方法(2020)
  7. Mutsunori Banbara;Inoue,Katsumi;Kaufmann,Benjamin;Okimoto,Tenda;Schaub,Torsten;Soh,Takehide;Tamura,Naoyuki;Wanko,Philipp:\ textitespoon:用答案集编程解决基于课程的课程时间表问题(2019年)
  8. Oh Chang Yong,Efstratios Gavves,Max Welling:BOCK:圆柱核贝叶斯优化(2019)阿尔十四
  9. 阿尔伯塔模拟退火(2019年,基于托马斯-齐纳的分析;模拟退火)
  10. Lindauer,Marius;van Rijn,Jan N.;Kotthoff,Lars:2015和2017(2019)算法选择竞赛
  11. Liu,Jianfeng;Ploskas,Nikolaos;Sahinidis,Nikolaos V.:使用无导数优化算法调整BARON(2019年)
  12. Nikolić,Mladen;Marinković,Vesna;Kovács,Zoltán;Janičić,Predrag:几何的投资组合定理证明和prover运行时预测(2019年)
  13. Pagnozzi,Federico;Stützle,Thomas:置换流水车间问题混合随机局部搜索算法的自动设计(2019)
  14. Salem,Malek Ben;Bachoc,François;Roustant,Olivier;Gamboa,Fabrice;Tomaso,Lionel:基于高斯过程的面向目标的序列设计降维(2019)
  15. Aggarwal,Charu C.:神经网络与深度学习。教科书(2018)
  16. Braddil,Pavel(编辑);Giraud Carrier,Christophe(编辑):金属学习和算法选择:进展、技术现状和2018年特刊简介(2018年)
  17. Candelieri,A.;Perego,R.;Archetti,F.:配水系统中水泵运行的贝叶斯优化(2018)
  18. Cerutti,Federico;Vallati,Mauro;Giacomin,Massimiliano:论配置对抽象论证自动推理的影响(2018)
  19. Eggensperger,Katharina;Lindauer,Marius;Hoos,Holger H.;Hutter,Frank;Leyton Brown,Kevin:通过基于模型的代理对算法配置器进行有效的基准测试(2018年)
  20. Franzin,Alberto;Pérez Cáceres,Leslie;Stützle,Thomas:自动算法配置中数值参数转换的影响(2018)

更多出版物请访问:http://www.cs.ubc.ca/labs/beta/Projects/SMAC/#论文/