DEBOSH：深度贝叶斯形状优化
机器学习
2023-10-03 v2 人工智能
摘要
图神经网络（GNNs）能够快速准确地预测工业设计的性能，并有效用于优化其形状。然而，要充分探索形状空间，往往必须考虑显著偏离训练集的形状。对于这些形状，GNN 预测变得不可靠，这一点常被忽视。对于依赖高斯过程的优化技术，贝叶斯优化（BO）通过利用其评估自身精度的能力来解决该问题。遗憾的是，使用神经网络时这一点更难做到，因为估计其不确定性的标准方法可能带来高计算负载并降低模型精度。因此，我们提出了一种专为形状优化定制的基于不确定性的新方法。它实现了有效的 BO，并使所得形状的质量超越最先进方法。
引用
@article{arxiv.2109.13337,
title = {DEBOSH: Deep Bayesian Shape Optimization},
author = {Nikita Durasov and Artem Lukoyanov and Jonathan Donier and Pascal Fua},
journal= {arXiv preprint arXiv:2109.13337},
year = {2023}
}