Bayesian Optimization — Sekvencijalno model-bazirano ugađanje hiperparametara
Bayesian Optimization je sekvencijalna, model-bazirana strategija za pronalaženje optimuma skupih funkcija crne kutije s što manje evaluacija. Utemeljena na radu Mockusa (1975.) i uvedena u praksu strojnog učenja od strane Snoeka, Larochellea i Adamsa (2012.), ona prilagođava vjerojatnosni nadomjesni model — tipično Gaussov proces — prošlim promatranjima i koristi funkciju stjecanja za odlučivanje gdje sljedeće sondirati, uravnotežujući istraživanje nepoznatih područja s iskorištavanjem obećavajućih.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Izvori
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Bayesian Optimization (Hyperparameter Tuning). ScholarGate. https://scholargate.app/hr/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.
- Automatsko pretraživanje arhitektura dubokih mrežaDuboko učenje↔ compare
- Stochastic OptimizationOptimizacija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →