PulseAugur
实时 07:13:46
English(EN) Modernizing HEBO: a robust Bayesian optimization baseline for practical heteroskedastic and non-stationary problems

新的tidyHEBO模型增强了用于科学实验的贝叶斯优化

研究人员推出tidyHEBO,这是一种增强型贝叶斯优化模型,专为化学和材料科学等领域的有效实验而设计。该新模型建立在HEBO框架之上,改进了代理模型训练和选择策略等方面。在各种合成和真实世界数据集上进行基准测试,tidyHEBO展示了具有竞争力的性能和改进的鲁棒性,使其成为顺序实验的宝贵工具,并为贝叶斯优化的未来研究树立了基准。 AI

影响 这项研究为科学领域的实验优化提供了一个更强大、更有效的工具,有可能加速发现和开发。

排序理由 该集群描述了一篇介绍改进的贝叶斯优化方法的新研究论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的tidyHEBO模型增强了用于科学实验的贝叶斯优化

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · L. A. Zhukov, E. V. Shaburova, D. V. Antonets ·

    Modernizing HEBO: a robust Bayesian optimization baseline for practical heteroskedastic and non-stationary problems

    arXiv:2607.10669v1 Announce Type: new Abstract: Bayesian optimization is increasingly used to guide data-efficient experimentation in chemistry, materials science, and related laboratory settings, but its practical performance depends strongly on how well surrogate-model assumpti…