BriefGPT - AI 论文速递
·
贝叶斯优化中对预期改进的意外改进
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该文介绍了一种改进的EI方法，通过引入高斯过程模型提供的协方差信息，修正了传统的EI公式，以达到在有噪声和无噪声的情况下都具有较好泛化性能的目的。实验证明，在黑盒优化的基准函数和神经网络模型压缩的参数搜索中，该方法在存在噪声观测时能够胜过EI方法。
🎯
关键要点
-
提出了一种改进的EI方法
-
引入高斯过程模型提供的协方差信息
-
修正了传统的EI公式
-
在有噪声和无噪声情况下具有较好泛化性能
-
实验证明该方法在黑盒优化基准函数中表现优越
-
在神经网络模型压缩的参数搜索中也能胜过EI方法
🏷️
