使用m-内核进行协方差函数预训练以加速贝叶斯优化
摘要：基于贝叶斯优化的直接协方差函数学习的新方法：从再现核Banach空间理论（特别是m-核）中借用技术，将（或重新加权）现有的协方差函数转换为新的、特定于问题的协方差函数。这种方法的关键优势在于，它不依赖于用户手动选择（通过一些超参数调整和实验）适当的协方差函数，而是构建协方差函数以与当前问题匹配。该技术在两个真实世界问题上进行了演示，分别是合金设计和短聚合物纤维制造，以及一个选定的测试函数。
作者：Alistair Shilton, Sunil Gupta, Santu Rana, Pratibha Vellanki, Cheng Li, Laurence Park, Svetha Venkatesh, Alessandra Sutti, David Rubin, Thomas Dorin, Alireza Vahid, Murray Height
论文ID：1802.05370
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-03-14