×
里卡多·莫里科尼；K.S.Sesh Kumar；马克·彼得·戴森罗特（Marc Peter Deisenroth）

使用分位数高斯过程进行投影的高维贝叶斯优化。 （英语） Zbl 1433.90195号

最佳方案。莱特。 14，第1号，51-64（2020）.
概要：高维贝叶斯优化的关键挑战是学习响应面和优化捕获函数。采集功能选择一个新点来评估黑盒功能。这两个挑战都可以通过简化假设来解决，例如昂贵目标的可加性或内在低维性。在本文中，我们利用轴对齐投影的有效低维性，并对输入空间的划分进行优化。轴对齐投影为单个输入引入了多个输出，我们称之为不一致。我们用分位数回归导出的高斯过程（GP）对不一致性进行建模。我们表明，分位数GP和输入空间的划分提高了数据效率。特别是，通过仅对分位数函数进行建模，我们克服了在存在不一致的情况下GP超参数学习的问题。

引用于三文件

MSC公司：

90 C56 无导数方法和使用广义导数的方法
2015年1月62日 贝叶斯推断
62K20型 响应面设计

关键词：

高维贝叶斯优化；高斯过程；分位数回归

软件：

EGO公司；小型计算机；青蒿素；PILCO公司
PDF格式BibTeX公司 XML格式引用
\textit{R.Moriconi}等人，Optim。莱特。14，第1号，51--64（2020；Zbl 1433.90195）
全文： DOI程序

参考文献：

[1] Bergstra，J。；Bengio，Y.，《超参数优化的随机搜索》，J.Mach。学习。研究，13，281-305（2012）·兹比尔1283.68282
[2] Berkenkamp，F.，Angela，S.P.，Krause，A.：贝叶斯优化教程。致：ICRA（2015）·Zbl 1484.68179号
[3] Boukouvalas，A.，Barillec，R.，Cornford，D.：使用期望传播的高斯过程分位数回归。In：程序。ICML（2012）
[4] Brochu，E.，Cora，V.M.，de Freitas，N.：关于昂贵成本函数的贝叶斯优化教程，应用于主动用户建模和分层强化学习。In:CoRR（2010）
[5] 卡兰德拉，R。；Seyfarth，A。；Pj André；Deisenroth，Mp，《不确定性下学习步态的贝叶斯优化》，《数学年鉴》。AI，76，5-23（2016）
[6] Deisenroth，M.P.，Rasmussen，C.E.:PILCO：基于模型和数据效率的政策搜索方法。In：程序。ICML（2011）
[7] 弗雷泽，P.I.：贝叶斯优化教程，（2018年）。arXiv预打印arXiv:1807.02811
[8] 加内特，R。；Osborne，Ma；Reece，S。；罗杰斯，A。；Roberts，Sj，存在变化点和故障的序贯贝叶斯预测，计算。J.，53，1430-1446（2010）·doi:10.1093/comjnl/bxq003
[9] Hennig，P.，Kiefel，M.：准Newton方法：一个新方向。In:CoRR（2012）·Zbl 1320.62049号
[10] Hutter，F.，Hoos，H.H.，Leyton-Brown，K.：通用算法配置的基于序列模型的优化。In：程序。狮子（2011）
[11] 琼斯博士；珀顿，Cd；Stuckman，Be，无利普希茨常数的利普希兹优化，J.Optim。理论应用。，79, 157-181 (1993) ·Zbl 0796.49032号 ·doi:10.1007/BF00941892
[12] 琼斯博士；Schonlau，M。；Welch，Wj，昂贵黑箱函数的有效全局优化，J.global Optim。，13, 455-492 (1998) ·Zbl 0917.90270号 ·doi:10.1023/A:1008306431147
[13] Kandasamy，K.，Schneider，J.G.，Póczos，B.：通过加性模型的高维贝叶斯优化和强盗。In：程序。ICML（2015）
[14] Kushner，Hj，在噪声存在下定位任意多峰值曲线最大点的新方法，J.基础工程，86，97-106（1964）·数字对象标识代码：10.1115/1.3653121
[15] Minka，T.P.：近似贝叶斯推理的一系列算法。博士论文（2001）
[16] 莫库斯，J.：关于寻找极值的贝叶斯方法。In：程序。IFIP技术会议（1975年）·Zbl 0311.90042号
[17] 拉斯穆森，Ce；Williams，Cki，《机器学习的高斯过程》（2006），柏林：施普林格出版社，柏林·Zbl 1177.68165号
[18] Shahriari，B.，Swersky，K.，Wang，Z.，Adams，R.P.，de Freitas，N.：《让人脱离循环：贝叶斯优化综述》。In：程序。IEEE（2016）
[19] Snoek，J.，Larochelle，H.，Adams，R.P.：机器学习算法的实用贝叶斯优化（2012）·Zbl 1433.68379号
[20] Srinivas，N.、Krause，A.、Kakade，S.M.、Seeger，M.W.：高斯过程强盗无悔：实验设计方法。In:ICML会议记录（2010）
[21] Sui，Y.，Gotovos，A.，Burdick，J.，Krause，A.：高斯过程优化的安全探索。In：程序。ICML（2015）
[22] Takeuchi，I.，Le Quoc，V.，Sears，T.D.，Smola，A.J.：非参数分位数估计。JMLR（2006）·Zbl 1222.68316号
[23] Ulmasov，D.，Baroukh，C.B.，Deisenroth，M.P.，Misener，R.：具有维度调度的贝叶斯优化：在生物系统中的应用。In：程序。逃生（2016）
[24] Wang，Z.，Zoghi，M.，Hutter，F.，Matheson，D.，de Freitas，N.：通过随机嵌入实现高维贝叶斯优化。In：程序。IJCAI（2013）·Zbl 1358.90089号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。