×

超波段

swMATH编号: 41120
软件作者: L.Li、K.Jamieson、G.DeSalvo、A.Rostamizadeh、A.Talwalkar
描述: 超波段:一种基于强盗的超参数优化新方法。机器学习算法的性能关键取决于识别一组好的超参数。虽然最近的方法使用贝叶斯优化来自适应地选择配置,但我们侧重于通过自适应资源分配和提前停止来加快随机搜索。我们将超参数优化描述为一个纯探索的非随机无限武装盗贼问题,其中预定义的资源(如迭代、数据样本或特征)被分配给随机采样的配置。我们为此框架引入了一种新的算法Hyperband,并分析了其理论性质,提供了一些理想的保证。此外,在一组超参数优化问题上,我们将Hyperband与流行的贝叶斯优化方法进行了比较。我们观察到,在各种深度学习和基于内核的学习问题上,Hyperband可以比我们的竞争对手提供超过一个数量级的加速。
主页: https://arxiv.org/abs/1603.06560
源代码:  https://github.com/thuijskens/scikit-hyperband
相关软件: 青蒿素;小型计算机;Hyperopt公司;BOHB公司;亚当;github;自动锁相环;Scikit公司;PyTorch公司;AlexNet公司;ImageNet公司;汽车-WEKA;TensorFlow公司;R(右);BoTorch公司;凯拉斯;海外建筑运营管理局;OpenAI健身房;NOMAD公司;CIFAR公司
引用于: 34文件
全部的 前5名

123位作者引用

2 海萨姆·布·阿马尔
2 安德烈·比登卡普
2 伯恩德·比施尔
2 亚历山大一世,科恩·里弗斯。
2 瑞恩·赖斯·格里菲斯
2 安托万·格罗斯尼特
2 弗兰克·哈特
2 多尼亚拉赫米里
2 塞巴斯蒂安·迪加贝尔
2 马吕斯·林道尔
2 拉苏尔·图图诺夫
2 王军
1 乔治·艾瓦利奥提斯
1 杰森·奥尔舒勒(Jason M.Altschuler)。
1 弗朗西斯科·阿切蒂
1 埃里克·奥古斯丁
1 皮埃尔·巴尔迪
1 卡罗琳·本杰明斯
1 卡尔·弗雷德里克·伯格
1 马丁·宾德
1 维克多·伊曼纽尔·布鲁内尔
1 罗伯托·卡兰德拉
1 安东尼奥·坎德列里
1 卡蒂斯,科里亚
1 琳达·查马克
1 查申,库尔德斯坦
1 陈景欢
1 陈晓丽
1 卢卡斯·西罗尼斯
1 彼得罗·马科·康格多
1 Jesús A.De Loera。
1 邓迪凡
1 朱利亚·迪萨沃
1 查尔斯·狄更斯
1 马丁·德里什纳
1 段金桥
1 弗朗西斯科·杜兰
1 凯萨琳娜·艾根斯佩格
1 马丁·艾格尔
1 特蕾莎·艾玛
1 艾哈迈德·埃尔谢赫。
1 戈努什·法尔纳迪
1 阿列克桑德拉·浮士德
1 马蒂亚斯·费雷尔
1 莉斯·盖图
1 丹尼尔·吉伦。
1 埃马纽埃尔·戈贝特
1 罗伯特·格鲁尔克
1 哈多克,杰米
1 拉尔斯·赫特尔
1 迪特玛·Hömberg
1 黄鹏程
1 黄云宝
1 黄泽英
1 Marco F.Huber。
1 霍九元
1 凯文·杰米森
1 郝建业
1 Kąkol,Krzysztof
1 乔治·埃姆·卡尼亚达基斯
1 科尔维尔,格拉齐纳
1 博泽纳Kostek
1 拉尔斯·科特霍夫
1 米歇尔·朗
1 李海燕
1 李丽莎
1 李伟
1 林景亮
1 奥利维尔·洛佩兹
1 大卫·卢加托
1 吕文龙
1 妈妈,安娜
1 阿兰·马利克
1 亚历山大·马克斯·马拉瓦尔
1 苗英杰
1 费利克斯·摩尔
1 努诺·莫尼兹
1 迪安娜·尼德尔
1 野村、Masahiro
1 保罗·诺维洛
1 Masaki Onishi
1 吉彦小崎
1 简·帕尔琴斯基
1 佛罗伦萨帕拉希夫
1 杰克驻车支架
1 里卡多·佩雷戈
1 简·彼得斯
1 尤里·佩特里纳
1 佛罗里达州普菲斯特勒
1 加勒·波埃特
1 尼科拉斯·波扎斯
1 拉胡·拉詹
1 Rita P.里贝罗。
1 安娜丽莎·里卡迪
1 林登·罗伯茨
1 卡米洛·罗查
1 Rostamizadeh,阿夫申
1 吕加默,大卫
1 蒂姆·鲁科普夫
1 勒内·萨斯
…还有23位作者

按年份列出的引文