研究人员开发了DeltaBO，这是一种新颖的贝叶斯优化算法，通过从相关源任务迁移知识来加速该过程。该方法建立在源函数和目标函数之间差异的不确定性量化之上，与现有方法相比，提供了理论保证和改进的遗憾界限。实证结果表明DeltaBO在超参数调整和合成函数优化方面具有有效性。此外，还发布了NUBO，一个透明的贝叶斯优化Python包，旨在方便跨学科使用，并支持各种优化场景。 AI
影响 为昂贵的黑盒函数优化引入了新的方法和工具，有可能加速各个科学和工程领域的研发周期。
排序理由 两篇arXiv论文详细介绍了用于贝叶斯优化的新算法和软件包。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2511.03125v2 Announce Type: replace Abstract: We study how to accelerate Bayesian optimization (BO) on a target task by transferring historical knowledge from related source tasks. Existing work on BO with knowledge transfer either lacks theoretical guarantees or achieves t…
arXiv:2305.06709v4 Announce Type: replace-cross Abstract: NUBO, short for Newcastle University Bayesian Optimisation, is a Bayesian optimization framework for the optimization of expensive-to-evaluate black-box functions, such as physical experiments and computer simulators. Baye…