DOVE：全序列高斯过程回归偏好学习方法

研究者 Ilya O. Ryzhov 发表论文，提出一种基于矩匹配的全序列高斯过程回归近似方法，可对元模型的均值与协方差进行快速闭式更新，用于目标函数无法直接评估、只能通过带噪两两比较观测的连续全局优化问题。 在此基础上，论文提出全序列采样策略 DOVE，结合信息增益准则与随机采样以控制误差累积。作者称，在标准正则条件下证明了统计误差与期望简单遗憾的收敛速率，且速率依赖核函数光滑度，并称这是全序列近似贝叶斯推理在连续全局优化中的首个此类收敛结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。