非短视多保真主动搜索
机器学习
2021-07-08 v2
摘要
主动搜索是一种学习范式，旨在给定标注预算下尽可能多地识别稀有且有价值类别的成员。先前关于主动搜索的工作假设可访问忠实的(且昂贵的)报告实验结果的天 oracle。然而，某些环境提供诸如计算模拟等更廉价的替代物，可能有助于搜索。我们提出了多保真主动搜索的模型，以及针对该环境的一种新颖、计算高效的策略，其动机源于最先进的经典策略。我们的策略是非短视且预算感知的，允许在探索与利用之间进行动态权衡。我们在真实世界数据集上评估了我们的解决方案性能，并展示了相比自然基准显著更优的性能。
引用
@article{arxiv.2106.06356,
title = {Nonmyopic Multifidelity Active Search},
author = {Quan Nguyen and Arghavan Modiri and Roman Garnett},
journal= {arXiv preprint arXiv:2106.06356},
year = {2021}
}
备注
To appear in ICML 2021