深度神经网络加速的隐式滤波
最优化与控制
2021-05-20 v1 系统与控制
系统与控制
摘要
在本文中，我们阐明一种在导数不可显式获取时求解优化问题的新方法。我们表明，将隐式滤波（IF）——一种已有的无导数优化（DFO）方法——与深度神经网络全局逼近器结合，可得到一种加速的 DFO 方法。无导数优化问题出现在广泛应用中，包括基于仿真的优化和随机过程优化，并且当目标函数可视为黑箱（如计算机仿真）时自然产生。我们通过展示其有助于解决覆盖导向生成（CDG）问题来凸显我们称为深度神经网络加速隐式滤波（DNNAIF）的方法的实用价值。求解 CDG 问题是包括驱动现代服务器和智能手机的芯片在内的新电子电路设计与验证过程的关键部分。
引用
@article{arxiv.2105.08883,
title = {Deep Neural Network Accelerated Implicit Filtering},
author = {Brian Irwin and Eldad Haber and Raviv Gal and Avi Ziv},
journal= {arXiv preprint arXiv:2105.08883},
year = {2021}
}
备注
9 pages, 6 figures