将领域知识融入神经引导搜索
机器学习
2022-07-06 v1
摘要
许多 AutoML 问题涉及在黑盒奖励下优化离散对象。神经引导搜索提供了一种利用自回归循环神经网络搜索这些组合空间的灵活手段。该方法的一个主要优势是顺序构建对象——这为通过直接修改采样时发出的 logits 将领域知识融入搜索提供了机会。本工作中，我们形式化了一个将此类原位先验与约束融入神经引导搜索的框架，并给出了实施约束的充分条件。我们将现有工作中的若干先验与约束整合进该框架，提出了若干新先验与约束，并展示了它们在符号回归任务中的有效性。
引用
@article{arxiv.2107.09182,
title = {Incorporating domain knowledge into neural-guided search},
author = {Brenden K. Petersen and Claudio P. Santiago and Mikel Landajuela},
journal= {arXiv preprint arXiv:2107.09182},
year = {2022}
}