Βελτιστοποίηση Bayes — Διαδοχική Βελτιστοποίηση Υπερπαραμέτρων Βάσει Μοντέλου
Η Βελτιστοποίηση Bayes είναι μια διαδοχική, βάσει μοντέλου στρατηγική για την εύρεση του βέλτιστου ακριβών μαύρων συναρτήσεων κουτιού με όσο το δυνατόν λιγότερες αξιολογήσεις. Βασισμένη στο έργο του Mockus (1975) και εισαχθείσα στην κύρια πρακτική της μηχανικής μάθησης από τους Snoek, Larochelle και Adams (2012), προσαρμόζει ένα πιθανοτικό μοντέλο υποκατάστατου — συνήθως ένα Γκαουσιανό Δίκτυο — σε προηγούμενες παρατηρήσεις και χρησιμοποιεί μια συνάρτηση απόκτησης για να αποφασίσει πού θα διερευνήσει στη συνέχεια, εξισορροπώντας την εξερεύνηση άγνωστων περιοχών με την εκμετάλλευση υποσχόμενων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Πηγές
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/el/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.
- Αναζήτηση Νευρωνικής ΑρχιτεκτονικήςΒαθιά Μάθηση↔ compare
- Στοχαστική ΒελτιστοποίησηΒελτιστοποίηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →