PulseAugur
中
实时 07:26:42
English(EN) Taking the GP Out of the Loop

新的认知最近邻方法加速了贝叶斯优化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了认知最近邻（ENN）方法，这是一种旨在提高贝叶斯优化（BO）在具有大量观测值的问题上的可扩展性的新方法。与面临数据量立方级扩展问题的传统高斯过程（GPs）不同，ENN为拟合和获取提供了线性扩展方法。这种新方法集成到TuRBO-ENN框架中，显著减少了提议时间，在处理多达50,000个观测值时，比现有方法提高了1到2个数量级。 AI

影响 这项研究可以为具有大型数据集的复杂机器学习模型实现更高效的超参数调整和优化。

排序理由 该集群包含一篇关于贝叶斯优化新算法的学术论文。[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 →

新的认知最近邻方法加速了贝叶斯优化

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mehul Bafna, Siddhant anand Jadhav, David Sweet ·

    Taking the GP Out of the Loop

    arXiv:2506.12818v3 Announce Type: replace Abstract: Bayesian optimization (BO) has traditionally solved black-box problems where function evaluation is expensive and, therefore, observations are few. Recently, however, there has been growing interest in applying BO to problems wh…

相关实体

相关话题