研究人员推出了一种名为局部约束贝叶斯优化（LCBO）的新框架，该框架旨在解决机器学习中的高维约束问题。与可能因复杂约束而失败的传统信任区域方法不同，LCBO利用可微分的代理景观来平衡局部下降和由不确定性驱动的探索。该框架理论上可以实现与维度成多项式缩放的收敛速率，为全局贝叶斯优化方法提供了一种实用的替代方案。在高达100维的基准测试中的实证结果表明，LCBO的性能优于现有的最先进方法。 AI
影响 为具有约束的复杂机器学习模型提供了一种更有效率的优化方法。
排序理由 关于新优化框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
