BriefGPT - AI 论文速递
·
贝叶斯优化的泊松过程
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于高斯Cox过程的最大后验推断方法，通过引入Laplace近似和核函数转换技术，在新的再生核希尔伯特空间中更易于计算，扩展了功能后验和后验的协方差。提出了基于高斯Cox过程模型的贝叶斯优化框架，并开发了一种高效计算的Nyström近似方法。在合成和实际数据集上的评估表明，与现有解决方案相比，本方法在高斯Cox过程模型设计的贝叶斯优化中取得了显著改进。
🎯
关键要点
- 提出了一种基于高斯Cox过程的最大后验推断方法。
- 引入Laplace近似和核函数转换技术，简化推断计算。
- 在新的再生核希尔伯特空间中扩展功能后验和后验的协方差。
- 建立了基于高斯Cox过程模型的贝叶斯优化框架。
- 开发了一种高效计算的Nyström近似方法。
- 在合成和实际数据集上的评估显示显著改进。
- 本方法在高斯Cox过程模型设计的贝叶斯优化中表现优于现有解决方案。
🏷️
标签
➡️
