并行多目标超参数优化的均匀归一化与有界目标
原文中文，约300字，阅读约需1分钟。发表于：。机器学习模型的超参数优化是一个具有多目标的挑战性问题，本研究提出了一种多目标贝叶斯优化算法，通过统一目标规范化和随机化权重在标量化中解决了不同目标尺度的问题，并通过限制目标来提高算法效率，最后通过并行化加速了优化过程。
本研究提出了一种多目标贝叶斯优化算法，用于解决机器学习模型的超参数优化问题。该算法通过统一目标规范化和随机化权重在标量化中解决了不同目标尺度的问题，并通过限制目标来提高算法效率，最后通过并行化加速了优化过程。
