学者提出用于偏好学习的全序列高斯过程回归算法DOVE

1. 12:00
   arXiv 机器学习

   用于偏好学习的全序列高斯过程回归

   研究人员针对无法直接评估目标函数、仅能观察含噪成对比较的连续全局优化问题，提出了一种基于矩匹配的全序列高斯过程回归近似方法，可快速闭式更新元模型的均值和协方差。同时提出的 DOVE 全序列采样策略结合了信息增益准则与随机采样，以控制误差累积。在标准正则性条件下，该研究证明了统计误差与预期简单遗憾的收敛速率取决于核平滑度。

当前热度 8·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。