面向异构系统的分区主动学习
机器学习
2023-04-19 v2
摘要
主动学习是机器学习的一个子领域，专注于提高昂贵评估系统的数据收集效率。特别是，集成代理建模的主动学习在计算需求高的工程系统中展现出卓越性能。然而，底层系统中异质性的存在可能对主动学习性能产生不利影响。为提升此情形下的学习效率，我们提出分区主动学习，其为异构系统的分区高斯过程建模寻找信息量最大的设计点。所提出的主动学习包含两个系统的后续步骤：全局搜索方案通过考察最不确定的设计空间加速主动学习的探索，局部搜索利用由局部 GP 引起的限定信息。我们还提出了由 Cholesky 更新驱动的数值补救方法，以应对主动学习的计算复杂性挑战。所提方法应用于数值模拟以及两个真实案例研究：（i）航空航天制造中高性价比的机身外形自动控制；以及（ii）材料科学中抗摩擦腐蚀合金的优化设计。结果表明，我们的方法在预测精度与计算效率方面优于基准方法。
引用
@article{arxiv.2105.08547,
title = {Partitioned Active Learning for Heterogeneous Systems},
author = {Cheolhei Lee and Kaiwen Wang and Jianguo Wu and Wenjun Cai and Xiaowei Yue},
journal= {arXiv preprint arXiv:2105.08547},
year = {2023}
}