基于超体积的多目标贝叶斯优化与 Student-t 过程
机器学习
2016-12-02 v1 机器学习
摘要
Student- 过程最近被提出作为一种吸引人的非参数函数先验替代方案。它们具有增强的灵活性和预测方差。在这项工作中，探索了 Student- 过程在多目标贝叶斯优化中的使用。特别地，针对目标的独立 Student- 过程先验，开发了基于超体积的改进概率的解析表达式。其有效性在一个以传统高斯过程难以处理而闻名的多目标优化问题上得到展示。
引用
@article{arxiv.1612.00393,
title = {Hypervolume-based Multi-objective Bayesian Optimization with Student-t Processes},
author = {Joachim van der Herten and Ivo Couckuyt and Tom Dhaene},
journal= {arXiv preprint arXiv:1612.00393},
year = {2016}
}
备注
5 pages, 3 figures