Scifaro

中文

针对具有正态分布输出不确定性的昂贵函数逼近的主动学习

机器学习 2016-08-19 v1 机器学习

作者: Joachim van der Herten , Ivo Couckuyt , Dirk Deschrijver , Tom Dhaene

在 arXiv 上查看 ↗ PDF ↗

摘要

在逼近黑箱函数时，采用主动学习聚焦于具有非线性响应的区域进行采样，往往能提高精度。我们提出了先前针对确定性响应引入的 FLOLA-Voronoi 方法，并从理论上推导了输出不确定性的影响。该算法会自动更加强调探索，为模型提供更多信息。

关键词

主动学习函数逼近输出不确定性正态分布 FLOLA-Voronoi 探索与利用

引用

@article{arxiv.1608.05225,
  title  = {Active Learning for Approximation of Expensive Functions with Normal Distributed Output Uncertainty},
  author = {Joachim van der Herten and Ivo Couckuyt and Dirk Deschrijver and Tom Dhaene},
  journal= {arXiv preprint arXiv:1608.05225},
  year   = {2016}
}