期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
贝叶斯优化方法和应用综述 被引量:192
1
作者 崔佳旭 杨博 《软件学报》 EI CSCD 北大核心 2018年第10期3068-3090,共23页
设计类问题在科学研究和工业领域无处不在.作为一种十分有效的全局优化算法,近年来,贝叶斯优化方法在设计类问题上被广泛应用.通过设计恰当的概率代理模型和采集函数,贝叶斯优化框架只需经过少数次目标函数评估即可获得理想解,非常适用... 设计类问题在科学研究和工业领域无处不在.作为一种十分有效的全局优化算法,近年来,贝叶斯优化方法在设计类问题上被广泛应用.通过设计恰当的概率代理模型和采集函数,贝叶斯优化框架只需经过少数次目标函数评估即可获得理想解,非常适用于求解目标函数表达式未知、非凸、多峰和评估代价高昂的复杂优化问题.从方法论和应用领域两方面深入分析、讨论和展望了贝叶斯优化的研究现状、面临的问题和应用领域,期望为相关领域的研究者提供有益的借鉴和参考. 展开更多
关键词 贝叶斯优化 全局优化算法 概率代理模型 采集函数 黑箱
下载PDF
面向超参数估计的贝叶斯优化方法综述 被引量:36
2
作者 李亚茹 张宇来 王佳晨 《计算机科学》 CSCD 北大核心 2022年第S01期86-92,共7页
对绝大部分机器学习模型而言,超参数选择对模型的最终效果起到了至关重要的作用,所以超参数的选择与估计是机器学习理论与实践中的重要问题。从超参数空间中的点到模型泛化性能的映射可以看作一个具有高评估代价的复杂黑箱函数,一般的... 对绝大部分机器学习模型而言,超参数选择对模型的最终效果起到了至关重要的作用,所以超参数的选择与估计是机器学习理论与实践中的重要问题。从超参数空间中的点到模型泛化性能的映射可以看作一个具有高评估代价的复杂黑箱函数,一般的最优化方法难以适用。贝叶斯优化是一种非常有效的全局优化算法,适合求解具有解析式不明确、非凸、评估成本高等特点的优化问题,只需较少的目标函数评估就可以获得理想解。总结了贝叶斯优化在超参数估计问题上的基本理论和方法,综述了近年来该方向的研究热点和最新进展,包括代理模型、采集函数、算法实施等方面的研究,总结了现有的研究中尚待解决的问题,期望帮助初学者快速了解贝叶斯优化算法并理解典型的算法思想,为其之后的研究起到一定的指导作用。 展开更多
关键词 超参数 贝叶斯优化 黑箱优化 概率代理模型 机器学习
下载PDF
Contribution to sample failure probability plot and its solution by Kriging method 被引量:2
3
作者 LI DaWei Lü ZhenZhou ZHOU ChangCong 《Science China(Technological Sciences)》 SCIE EI CAS 2013年第4期866-877,共12页
To analyze the effect of the region of the model inputs on the model output,a novel concept about contribution to the sample failure probability plot(CSFP) is proposed based on the contribution to the sample mean plot... To analyze the effect of the region of the model inputs on the model output,a novel concept about contribution to the sample failure probability plot(CSFP) is proposed based on the contribution to the sample mean plot(CSM) and the contribution to the sample variance plot(CSV).The CSFP can be used to analyze the effect of the region of the model inputs on the failure probability.After the definition of CSFP,its property and the differences between CSFP and CSV/CSM are discussed.The proposed CSFP can not only provide the information about which input affects the failure probability mostly,but also identify the contribution of the regions of the input to the failure probability mostly.By employing the Kriging model method on optimized sample points,a solution for CSFP is obtained.The computational cost for solving CSFP is greatly decreased because of the efficiency of Kriging surrogate model.Some examples are used to illustrate the validity of the proposed CSFP and the applicability and feasibility of the Kriging surrogate method based solution for CSFP. 展开更多
关键词 sample failure probability plot sensitivity analysis optimization sample points Kriging model region of the inputs
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部