研究人员推出了一种新颖的贝叶斯优化算法 BO-pro-c，该算法利用专家乘积高斯过程（GP）模型。该方法解决了传统 GP 模型在计算上面临的限制，传统 GP 模型由于其立方复杂度而在处理大型数据集时遇到困难。通过组合多个局部 GP 专家，GP-pro-c 在保持全局相关性的同时，提供了改进的不确定性量化并降低了计算成本。实验表明，与基于标准 GP 的贝叶斯优化相比，BO-pro-c 在优化性能上具有竞争力，简单遗憾减少了 0.9%，计算开销减少了 39.4%。 AI
影响 这项新算法可以实现机器学习中更高效的大规模优化任务。
排序理由 该集群包含一篇详细介绍新算法及其评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian optimization
- BO-pro-c
- DagsHub
- Gaussian process
- GP-pro-c
- Hugging Face
- IArxiv
- Product-of-Experts Gaussian Process
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
