CLAIMED:一种融合分类的最小能量设计方法用于探索带可行性约束的多元响应曲面
机器学习
2021-09-15 v2 机器学习
摘要
受物理学中利用大规模计算机模拟优化力场系统问题的启发,我们考虑对确定性复杂多元响应曲面进行探索。目标是找到能生成接近某些期望或“目标”向量的输出的输入组合。尽管已将问题简化为针对一维损失函数对输入空间进行探索,但由于存在不可行输入组合、输入输出空间的高维性、输入空间中多个“理想”区域,以及难以用代理模型很好地 emulate 目标函数,该搜索仍非平凡且具有挑战性。我们提出了一种基于将机器学习技术与智能实验设计思想相结合的方法,以定位输入空间中的多个良好区域。
引用
@article{arxiv.2006.05021,
title = {CLAIMED: A CLAssification-Incorporated Minimum Energy Design to explore a multivariate response surface with feasibility constraints},
author = {Mert Y. Sengul and Yao Song and Linglin He and Adri C. T. van Duin and Ying Hung and Tirthankar Dasgupta},
journal= {arXiv preprint arXiv:2006.05021},
year = {2021}
}