Core Concepts
BOの計算コストを削減し、探索効率を向上させる手法
Abstract
この論文では、高い観測コストがかかる場合に使用されるベイジアン最適化(BO)に焦点を当てています。提案されたBO手法は、探索領域を低次元に制限し、局所ガウス過程回帰(LGPR)を活用してBOを高次元にスケーリングします。LGPRは低次元の探索領域を「局所」として扱い、そこでの予測精度を向上させます。評価実験では、20D Ackley関数とRosenbrock関数で他の手法と比較し、探索効率が改善されました。
イントロダクション
製品やシステム特性の最適化が多くの分野で必要とされている。
高次元空間への拡張に伴う計算コスト増加が課題。
BOLDUC手法
局所GPR(LGPR)およびLSoD抽出戦略1, 2, 3に基づくBOLDUC手法が提案された。
LGPRは局所構造を表現するために使用され、計算時間短縮と予測精度向上が図られる。
実験結果
20D Ackley関数およびRosenbrock関数で1D-BOLDUC手法が他の手法よりも優れた探索効率を示した。
LSoD抽出戦略1, 2, 3に基づくBOLDUC手法は他のデータ抽出方法よりも優れた結果を示した。
Stats
BO理論的保証 [14] を受け継ぐBOLDUC手法
検証実験で20D Ackley関数およびRosenbrock関数で69%から40%改善
Quotes
"LGPRは低次元の探索領域で予測精度を向上させます。"
"提案されたBOLDUC手法は他のデータ抽出方法よりも優れた結果を示しました。"