PulseAugur
中
实时 07:48:02
English(EN) Dynamic Priors in Bayesian Optimization for Hyperparameter Optimization

新的DynaBO框架允许在贝叶斯优化中进行连续的用户控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的贝叶斯优化框架DynaBO，旨在允许在超参数优化过程中进行连续的用户输入。与仅依赖初始专家知识的传统方法不同，DynaBO通过增强采集函数，在整个过程中整合用户提供的先验信息。实践证明，这种方法在保持渐近收敛保证的同时，通过信息性先验加速收敛，并包含防止误导性输入的保护措施。实验表明，DynaBO在各种基准测试中始终优于最先进的方法，从而能够进行更可靠、更高效的协作模型开发。 AI

影响 通过允许在优化过程中进行连续的用户输入，增强了协作模型开发。

排序理由 关于超参数优化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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DynaBO框架允许在贝叶斯优化中进行连续的用户控制

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Lukas Fehring, Marcel Wever, Maximilian Splieth\"over, Leona Hennig, Henning Wachsmuth, Marius Lindauer ·

    用于超参数优化的贝叶斯优化中的动态先验

    arXiv:2511.02570v3 Announce Type: replace Abstract: Bayesian optimization (BO) is a widely used approach to hyperparameter optimization (HPO). However, most existing HPO methods only incorporate expert knowledge during initialization, limiting practitioners' ability to influence …

相关实体

相关话题