在黑盒函数优化中建模人类主动搜索
计算机与社会
2020-03-10 v1 机器学习
最优化与控制
摘要
对人类函数学习的建模一直是认知科学中激烈研究的课题。该主题在黑盒优化中是相关的，其中关于目标和/或约束的信息不可用，必须通过函数评估来学习。在本文中，我们关注搜索最大值的人类行为与贝叶斯优化中所用概率模型之间的关系。作为未知函数的代理模型，我们考虑了高斯过程和随机森林：贝叶斯学习范式在主动学习方法的发展中是核心，这些方法在不确定条件下平衡探索/利用，以在大型决策空间中实现有效泛化。在本文中，我们通过实验分析了贝叶斯优化与搜索未知二维函数最大值的人类之间的比较。一项有 60 名受试者使用两种代理模型的受控实验证实，贝叶斯优化提供了一个通用模型来表示人类主动学习的个体模式。
引用
@article{arxiv.2003.04275,
title = {Modelling Human Active Search in Optimizing Black-box Functions},
author = {Antonio Candelieri and Riccardo Perego and Ilaria Giordani and Andrea Ponti and Francesco Archetti},
journal= {arXiv preprint arXiv:2003.04275},
year = {2020}
}