本文提出了贝叶斯优化中高斯过程上置信界（GP-UCB）算法的改进遗憾界。研究侧重于具有 Matérn 核的场景，以高概率实现了 \(\tilde{O}(\sqrt{T})\) 的累积遗憾，而在平方指数核下，则产生 $O(\sqrt{T \ln^2 T})$ 的遗憾。这些发现旨在弥合 GP-UCB 性能现有理论理解上的差距。 AI
影响 这项研究改进了贝叶斯优化算法的理论界限，可能导致机器学习任务中更有效的探索。
排序理由 该条目是一篇学术论文，详细介绍了算法的理论改进。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian optimization
- Gaussian process
- Gaussian Process Upper Confidence Bound
- GP-UCB
- Matérn kernel
- Shogo Iwazaki
- Xbox Series X
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
