博克

带柱面核的贝叶斯优化。贝叶斯优化的一个主要挑战是边界问题(Swersky,2017),在这个问题中,算法在搜索空间边界附近花费了太多的评估。本文提出了一种基于柱面核的Bayesian优化算法BOCK,其基本思想是利用柱面变换对搜索空间的球几何进行变换。由于变换后的几何结构,基于高斯过程的代理模型在边界附近搜索的开销较小,而将其精力相对集中在搜索区域的中心,即我们期望的解所在的位置。我们对BOCK进行了广泛的评估,结果表明它不仅更加精确和有效,而且可以成功地扩展到维数高达500的问题。我们证明了BOCK的更好的准确性和可扩展性,甚至允许优化适度规模的神经网络层,以及神经网络超参数。