通过 Delaunay 细化的主动最近邻回归
机器学习
2022-06-17 v1 计算几何
摘要
我们介绍了一种基于最近邻回归的主动函数逼近算法。我们的主动最近邻回归器（ANNR）依赖计算几何中的 Voronoi-Delaunay 框架，将空间细分为具有恒定估计函数值的单元，并以考虑函数图形几何的方式选择新的查询点。我们将近期最先进的主动函数逼近器 DEFER（基于空间的增量矩形划分）作为主要基线。ANNR 解决了 DEFER 所用空间细分策略带来的若干局限。我们提供了该方法在计算上高效的实现，以及理论上的停机保证。实证结果表明，对于闭式函数和真实世界示例（如引力波参数推断和生成模型潜空间探索），ANNR 均优于基线。
引用
@article{arxiv.2206.08061,
title = {Active Nearest Neighbor Regression Through Delaunay Refinement},
author = {Alexander Kravberg and Giovanni Luca Marchetti and Vladislav Polianskii and Anastasiia Varava and Florian T. Pokorny and Danica Kragic},
journal= {arXiv preprint arXiv:2206.08061},
year = {2022}
}
备注
Accepted at the International Conference on Machine Learning (ICML) 2022