高通量贝叶斯优化中稀疏高斯过程的诱导点分配
机器学习
2023-02-24 v2 机器学习
摘要
稀疏高斯过程是高通量贝叶斯优化(BO)循环的关键组成部分;然而,我们表明现有的诱导点分配方法严重损害了优化性能。通过利用行列式点过程的质量-多样性分解,我们提出了首个专门设计用于BO的诱导点分配策略。与现有仅寻求降低目标函数全局不确定性的方法不同,我们的方法提供了对有望区域所需的局部高保真建模以实现精确优化。更一般地,我们证明了所提出的框架为稀疏模型中建模能力的分配提供了一种灵活方式,因此适用于广泛的下游序贯决策任务。
引用
@article{arxiv.2301.10123,
title = {Inducing Point Allocation for Sparse Gaussian Processes in High-Throughput Bayesian Optimisation},
author = {Henry B. Moss and Sebastian W. Ober and Victor Picheny},
journal= {arXiv preprint arXiv:2301.10123},
year = {2023}
}