Bayesovské metody pro globální optimalizaci
| školitel: | doc. Ing. Václav Šmídl, Ph.D. |
| e-mail: | zobrazit e-mail |
| typ práce: | dizertační práce |
| zaměření: | MI_MM, MI_AMSM, II_SIMI |
| odkaz: | http://www.utia.cas.cz/people/smidl |
| popis: | Bayesovská optimalizace (taká známá jako EGO, efficient global optoimization) je metoda globální optimalizace založená na aproximaci cílové funkce pomocí stochastického procesu. To je výhodné pro úlohy, kde není znám analytický tvar cílové funkce a její vyčíslení v bodě je výpočetně náročné. Použití stochastického procesu dovoluje vyhodnotit pravděpodobnost s jakou je navrhované řešení lepší než stávající optimum. Díky tomu je možné najít optimum s minimálním počtem vyčíslení cílové funkce. Chování těchto metod závisí na zvoleném stochastickém modelu a jeho parametrech. Tyto parametry je možné v průběhu výpočtu adaptovat a urychlit konvergenci metody. K tomuto účelu je možné použít celý existující aparát Bayesovských metod odhadu hyperparametrů, odhad struktury modelu atp. Tyto techniky se dnes velmi aktivně vyvíjejí v komunitě strojového učení. Cílem práce je studovat vhodné modely a aproximační techniky pro optimalizační techniky inženýrských úloh kde cílová funkce je výsledkem numerického řešení parciálních diferenciálních rovnic. |
| literatura: | [1] Jones, Donald R., Matthias Schonlau, and William J. Welch. \"Efficient global optimization of expensive black-box functions.\" Journal of Global optimization13.4 (1998): 455-492.
[2] Brochu, Eric, Vlad M. Cora, and Nando De Freitas. \"A tutorial on Bayesian optimization of expensive cost functions, with application to active user modeling and hierarchical reinforcement learning.\" arXiv preprint arXiv:1012.2599 (2010). [3] Xiong, Xiaoyu, Václav Šmídl, and Maurizio Filippone. \"Adaptive Multiple Importance Sampling for Gaussian Processes.\" arXiv preprint arXiv:1508.01050 (2015). |
| naposledy změněno: | 03.03.2021 17:41:46 |
za obsah této stránky zodpovídá:
Ľubomíra Dvořáková | naposledy změněno: 12.9.2011