Process / pipeline

التحسين البايزي — الضبط التسلسلي القائم على النموذج للمعاملات الفائقة

التحسين البايزي هو استراتيجية تسلسلية قائمة على النموذج لإيجاد الأمثل للدوال الصندوق الأسود المكلفة بأقل عدد ممكن من التقييمات. متجذرًا في عمل Mockus (1975) وتم تقديمه إلى الممارسة السائدة في التعلم الآلي بواسطة Snoek و Larochelle و Adams (2012)، فإنه يقوم بتركيب نموذج بديل احتمالي — عادةً عملية غاوسية — للملاحظات السابقة ويستخدم دالة اكتساب لتحديد المكان الذي يجب فحصه بعد ذلك، موازنًا بين استكشاف المناطق غير المعروفة واستغلال المناطق الواعدة.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

+9 more

المصادر

  1. Snoek, J., Larochelle, H., & Adams, R.P. (2012). Practical Bayesian Optimization of Machine Learning Algorithms. Advances in Neural Information Processing Systems (NeurIPS), 25. link
  2. Frazier, P.I. (2018). A Tutorial on Bayesian Optimization. arXiv:1807.02811. link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/ar/optimization/bayesian-optimization

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

يُستشهد بها في

ScholarGateBayesian Optimization (Bayesian Optimization (Hyperparameter Tuning)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/optimization/bayesian-optimization · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026