PulseAugur
实时 00:42:50
English(EN) An Efficient Spatial Branch-and-Bound Algorithm for Global Optimization of Gaussian Process Posterior Mean Functions

新算法高效优化高斯过程后验均值函数

研究人员开发了PALM-Mean,一种专为高斯过程后验均值函数全局优化设计的新算法。该方法采用混合方法,结合分段解析下界和降维空间分支定界框架。该算法用有符号分段线性松弛替换局部重要的核项,同时解析地界定剩余项。计算结果表明,与现有的通用求解器相比,PALM-Mean 提供了更好的可扩展性,尤其是在训练数据点数量增加时。 AI

影响 引入了一种新颖的优化技术,可以提高高斯过程模型在机器学习应用中的效率。

排序理由 这是一篇研究论文,详细介绍了一种针对特定数学优化问题的新算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新算法高效优化高斯过程后验均值函数

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Wei-Ting Tang, Akshay Kudva, Calvin Tsay, Joel A. Paulson ·

    高斯过程后验均值函数全局优化的高效空间分支定界算法

    arXiv:2605.00855v1 Announce Type: cross Abstract: We study the deterministic global optimization of trained Gaussian process posterior mean functions over hyperrectangular domains. Although the posterior mean function has a compact closed-form representation, its global optimizat…