猛击

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中的参考文献(参考 59篇文章

显示第1到第20个结果,共59个。
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. Baioletti,Marco;Di Bari,Gabriele;Milani,Alfredo;Santucci,Valentino:置换问题代数交叉算子的实验比较(2020)
  3. 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)
  4. 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)
  5. Kandasamy,Kirthevasan;Vysyaraju,Karun Raju;Neiswanger,Willie;Paria,Biswajit;Collins,Christopher;Schneider,Jeff;Poczos,Barnabas;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健壮的贝叶斯优化(2020)
  6. Kletzander,Lucas;Musliu,Nysret:解决一般员工调度问题(2020)
  7. Moriconi,Riccardo;Deisenroth,Marc Peter;Sesh Kumar,K.S.:使用低维特征空间的高维贝叶斯优化(2020)
  8. 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)
  9. Ribeiro,Rita P.;Moniz,Nuno:不平衡回归和极值预测(2020)
  10. 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)
  11. 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)
  12. Oh Chang Yong,Efstratios Gavves,Max Welling:BOCK:圆柱核贝叶斯优化(2019)阿尔十四
  13. 阿尔伯托弗兰津;托马斯圣哲勒:重温模拟退火:基于成分的分析(2019)
  14. 2017年1月和2019年1月,MarinHofer和The Lars竞赛
  15. Liu,Jianfeng;Ploskas,Nikolaos;Sahinidis,Nikolaos V.:使用无导数优化算法调整BARON(2019年)
  16. 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)
  17. 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)
  18. 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)
  19. Wang,Yuepeng;Hu,Kun;Ren,Lanlan;Lin,Guang:基于最优观测的二维浅水方程地形反演(2019)
  20. Aggarwal,Charu C.:神经网络与深度学习。教科书(2018)

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