安全学习与优化技术：面向前沿进展的综述
机器学习
2021-06-25 v3 神经与进化计算
最优化与控制
摘要
安全学习与优化处理那些尽可能避免对不安全输入点进行求值的学习与优化问题，这类输入点是导致不可恢复损失（例如机器或设备破损，或生命威胁）的解、策略或方案。尽管关于安全强化学习算法的全面综述已于 2015 年发表，但此后提出了许多新算法，且未涵盖主动学习与优化方面的相关工作。本文综述了来自多个领域的此类算法，包括强化学习、高斯过程回归与分类、进化算法以及主动学习。我们给出了所综述算法基于的基本概念，并对各算法进行了刻画。最后我们说明了这些算法间的联系，并对未来研究提出建议。
引用
@article{arxiv.2101.09505,
title = {Safe Learning and Optimization Techniques: Towards a Survey of the State of the Art},
author = {Youngmin Kim and Richard Allmendinger and Manuel López-Ibáñez},
journal= {arXiv preprint arXiv:2101.09505},
year = {2021}
}
备注
The final authenticated publication was made In: Heintz F., Milano M., O'Sullivan B. (eds) Trustworthy AI - Integrating Learning, Optimization and Reasoning. TAILOR 2020. Lecture Notes in Computer Science, vol 12641. Springer, Cham. The final authenticated publication is available online at \<https://doi.org/10.1007/978-3-030-73959-1_12>