BriefGPT - AI 论文速递
·
层次 Tucker 分解的黑盒逼近与优化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们开发了一种新的方法HTBB，用于多维黑盒逼近和无梯度优化。该方法基于低秩分层Tucker分解，并采用MaxVol指标选择过程。通过数值实验，证明了该方法在维度为1000的情况下的稳健性和准确性。
🎯
关键要点
- 开发了一种新的方法HTBB，用于多维黑盒逼近和无梯度优化。
- HTBB方法基于低秩分层Tucker分解。
- 采用MaxVol指标选择过程。
- 通过对14个复杂模型问题的数值实验验证了该方法的稳健性和准确性。
- 在维度为1000的情况下，HTBB方法相较于经典的无梯度优化方法具有明显更准确的结果。
🏷️
标签
➡️
