Bajezijanska optimizacija — sekvencijalno, modelom vođeno podešavanje hiperparametara
Bajezijanska optimizacija je sekvencijalna strategija zasnovana na modelu za pronalaženje optimuma skupih funkcija crne kutije sa što manje evaluacija. Ukorenjena u radu Mockusa (1975) i uvedena u uobičajenu praksu mašinskog učenja od strane Snoeka, Larochelle i Adamsa (2012), ona uklapa probabilistički surogat model — tipično Gausov proces — u prošla zapažanja i koristi akvizicionu funkciju da odluči gde će sledeće istraživati, balansirajući istraživanje nepoznatih regiona sa eksploatacijom obećavajućih.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
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/sr/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.
- Pretraga neuronske arhitektureDuboko učenje↔ compare
- Stochastic OptimizationOptimizacija↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →