全局优化网络
机器学习
2022-02-04 v1 机器学习
摘要
我们考虑在给定含噪样本下估计黑盒函数良好极大值点的问题。为解决此类问题，我们提出拟合一种新型函数，称为全局优化网络（GON），其定义为可逆函数与单峰函数的任意复合，其唯一全局极大值点可在 时间内推断。本文展示如何通过在对网格模型施加线性不等式约束下来构造可逆与单峰函数。我们还扩展到\emph{条件}GON，可在其他维度指定输入条件下寻找全局极大值点。实验表明，GON极大值点在统计上显著优于凸拟合、GPR或DNN产生的预测，且对真实世界问题更为合理的预测。
引用
@article{arxiv.2202.01277,
title = {Global Optimization Networks},
author = {Sen Zhao and Erez Louidor and Olexander Mangylov and Maya Gupta},
journal= {arXiv preprint arXiv:2202.01277},
year = {2022}
}