研究人员开发了一个新的贝叶斯优化（BO）框架，该框架能有效处理未知约束，特别是在可行区域较小的情况下。这种多源方法整合了辅助数据，如代理模型或简化模拟，以改善设计空间的早期探索。通过扩展最大值熵搜索方法，该框架能够捕捉源间的相关性，并平衡评估成本与信息增益，在合成和基于物理的基准测试中表现优于现有方法，尤其是在优化初期阶段。 AI
影响 这项研究可能有助于在复杂、受约束的环境中更有效地进行AI模型训练和超参数调整。
排序理由 该集群包含一篇详细介绍贝叶斯优化新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.00865v1 Announce Type: new Abstract: Bayesian Optimisation (BO) under unknown constraints is particularly challenging when feasible regions are small. In such settings, existing methods that typically rely solely on evaluations of the true objective and constraints str…
Bayesian Optimisation (BO) under unknown constraints is particularly challenging when feasible regions are small. In such settings, existing methods that typically rely solely on evaluations of the true objective and constraints struggle to efficiently explore the design space. H…