arXiv 机器学习· Samuel Younger, Tinkle Chugh, George De Ath·· 9 小时前AI 评分27
面向贝叶斯优化中先验数据拟合网络（PFN）的各向异性信任域变形
Anisotropic Trust Region Warping for Prior-Data Fitted Networks in Bayesian Optimisation
AI 导读
研究人员提出各向异性信任域（ATR）变形方法，无需重新训练即可纠正先验数据拟合网络（PFN）在贝叶斯优化中的先验尺度不匹配问题。该方法通过核目标对齐估计各维度长度尺度并进行仿射重缩放，在保持 $\mathcal{O}(d \cdot N^2)$ 推理成本不变的同时，提升了 Matérn-3/2 核函数极端长度尺度下的优化表现，代码已开源公开。
来源：arXiv 机器学习 · arxiv.org