基于分层 Tucker 分解的黑盒近似与优化
机器学习
2024-02-06 v1 最优化与控制
摘要
我们开发了一种名为 HTBB 的新方法，用于多维黑盒近似和无梯度优化，该方法基于低秩分层 Tucker 分解，并使用了 MaxVol 索引选择过程。针对 14 个复杂模型问题的数值实验表明，所提出的方法在高达 1000 维的情况下具有鲁棒性，同时其结果显示出的准确性显著高于经典的无梯度优化方法，以及基于流行的张量火车分解（代表张量网络的一种更简单情况）的近似和优化方法。
引用
@article{arxiv.2402.02890,
title = {Black-Box Approximation and Optimization with Hierarchical Tucker Decomposition},
author = {Gleb Ryzhakov and Andrei Chertkov and Artem Basharin and Ivan Oseledets},
journal= {arXiv preprint arXiv:2402.02890},
year = {2024}
}