Alapfogalmak
Eine Bayessche Optimierung, die den Suchraum auf niedrigere Dimensionen beschränkt und eine lokale Gauß-Prozess-Regression (LGPR) verwendet, um die Bayessche Optimierung auf höhere Dimensionen zu skalieren.
Kivonat
Der Artikel präsentiert eine Methode zur Bayesschen Optimierung, die den Suchraum auf niedrigere Dimensionen beschränkt und eine lokale Gauß-Prozess-Regression (LGPR) verwendet, um die Bayessche Optimierung auf höhere Dimensionen zu skalieren.
Die Hauptbeiträge sind:
- Vorstellung der BOLDUC-Methode, die BOLD (Bayessche Optimierung mit lokal begrenztem Suchraum) mit LGPR kombiniert.
- Einführung des Konzepts des Beitrags beobachteter Punkte für die LGPR-Vorhersage in niedrigdimensionalen Suchräumen und Präsentation von drei Strategien zur Extraktion des lokalen Teilsatzes der Daten (LSoD) basierend auf diesem Konzept.
- BOLDUC erbt die theoretischen Garantien von LineBO, wenn LineBO als BOLD verwendet wird.
- Reduktion der Zeitkomplexität der Matrix-Invertierung in der GPR von O(N³) auf O(M³) (M < N), indem ein hinreichend kleiner LSoD verwendet wird.
- Evaluierungen mit zwei Benchmark-Funktionen und einer automatischen Auslegungsaufgabe für ein Leistungshalbleiterbauelement zeigen eine verbesserte Sucheffizienz im Vergleich zu BOLD ohne LGPR.
Statisztikák
Die Ackley-Funktion hat einen minimalen Funktionswert von 0.
Die Rosenbrock-Funktion hat ebenfalls einen minimalen Funktionswert von 0.
Idézetek
Keine relevanten Zitate identifiziert.