面向结构化输出的贝叶斯主动学习设计
机器学习
2019-11-12 v1 机器学习
摘要
本文针对一类逆问题提出一种主动学习方法,旨在寻找能实现期望结构化输出的输入。所提方法提供了新的采集函数,通过有效纳入底层多值黑盒输出函数间多个输出的相关性,以最小化期望结构化输出与高斯过程模型预测之间的误差。我们将该方法应用于两个合成形状搜索问题和真实数据进行验证。在真实数据实验中,我们解决输入参数搜索问题,以实现碳化硅(SiC)晶体生长建模中的期望晶体生长速率,这是一个材料信息学问题。
引用
@article{arxiv.1911.03671,
title = {Bayesian Active Learning for Structured Output Design},
author = {Kota Matsui and Shunya Kusakawa and Keisuke Ando and Kentaro Kutsukake and Toru Ujihara and Ichiro Takeuchi},
journal= {arXiv preprint arXiv:1911.03671},
year = {2019}
}