基于链方法的高斯过程优化
机器学习
2015-10-20 v1
摘要
在本文中，我们考虑了在强盗反馈模型下的随机优化问题。我们将GP-UCB算法[Srinivas et al., 2012]推广到任意核和搜索空间。为此，我们使用局部链方法的概念来控制高斯过程的上确界，并基于覆盖数的计算提供了一种新颖的优化方案。我们在累积遗憾上获得的理论界更具通用性，且呈现出与GP-UCB算法相同的收敛速率。最后，该算法在简单和复杂输入空间上被证明比其天然竞争者经验上更高效。
引用
@article{arxiv.1510.05576,
title = {Optimization for Gaussian Processes via Chaining},
author = {Emile Contal and Cédric Malherbe and Nicolas Vayatis},
journal= {arXiv preprint arXiv:1510.05576},
year = {2015}
}