.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
本文提出了一种新颖的top-k ranking Bayesian optimization (top-k ranking BO)方法，该方法是对preferential BO的实用且重要的泛化，旨在处理top-k排名以及平局/无差异观测。我们首先设计了一种代理模型，该模型不仅能够满足上述观测需求，同时基于经典的随机效用模型。另一项同等重要的贡献是引入了首个针对preferential observation的信息论采集函数——multinomial predictive entropy search (MPES)，该函数能够灵活处理这些观测，并对查询的所有输入进行联合优化。与现有那些每次贪婪选择查询输入的采集函数相比，MPES具有更优的性能。我们通过多个合成基准函数、CIFAR-10数据集以及SUSHI偏好数据集对MPES的性能进行了实证评估。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息