BriefGPT - AI 论文速递
·
局部迁移学习高斯过程建模及其在昂贵计算仿真器代理建模中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的局部迁移学习高斯过程模型（LOL-GP），用于降低复杂系统仿真成本。LOL-GP通过潜在正则化模型识别信息迁移时机，避免负迁移，提高预测性能。在喷气涡轮设计中效果显著。
🎯
关键要点
- 该研究提出了一种新的局部迁移学习高斯过程模型（LOL-GP）。
- LOL-GP旨在降低复杂系统仿真成本。
- 模型通过潜在正则化识别信息迁移的时机，避免负迁移。
- LOL-GP提高了代理模型的预测性能。
- 在喷气涡轮设计中，LOL-GP的应用效果显著。
➡️
