基于高斯过程导数的枚举局部极小值主动学习
机器学习
2019-03-11 v1 机器学习
摘要
我们研究了基于高斯过程的主动学习，以高效枚举黑盒函数的所有局部极小值解。该问题具有挑战性，因为局部解的特征在于其零梯度和正定 Hessian 矩阵性质，但这些导数无法被直接观测。我们提出了一种新的主动学习方法，其中输入点是顺序选择的，以便有效更新高斯过程导数的置信区间，从而枚举局部极小值解。我们对所提出的方法进行了理论分析，并通过数值实验证明了其有效性。
引用
@article{arxiv.1903.03279,
title = {Active learning for enumerating local minima based on Gaussian process derivatives},
author = {Yu Inatsu and Daisuke Sugita and Kazuaki Toyoura and Ichiro Takeuchi},
journal= {arXiv preprint arXiv:1903.03279},
year = {2019}
}