Nieuwe methode voor multi-objectieve Bayesiaanse optimalisatie
Er is een nieuwe aanpak ontwikkeld binnen multi-objectieve Bayesiaanse optimalisatie die convergence en diversiteit van elkaar scheidt. Dit helpt bij het efficiënt doorzoeken van complexe zwarte-doos-functies met meerdere doelen tegelijk.
Onderzoekers hebben een methode voorgesteld om binnen multi-objectieve Bayesiaanse optimalisatie de zoektocht naar een nauwkeurige oplossing beter te balanceren. Waar systemen voorheen vaak tegelijkertijd streefden naar nauwkeurigheid en spreiding, worden deze doelen nu losgekoppeld.
Bayesiaanse optimalisatie wordt veel toegepast in situaties waarin het doorgronden van complexe functies veel rekenkracht of tijd kost. Het verbeteren van de manier waarop systemen alternatieve opties verkennen en optimaliseren is een belangrijk onderwerp binnen het fundamentele onderzoek naar efficiëntere algoritmen.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.AI). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel