GP-TS收敛率研究:给出上下界并提出GP-CTS
热点事件持续更新
GP-TS收敛率研究:给出上下界并提出GP-CTS
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Haowei Wang 与 Yilin Zheng 发表论文,研究无噪声观测下高斯过程 Thompson 采样(GP-TS)用于高效全局优化的收敛率。在 RKHS 中固定目标函数的设定下,作者建立了 Matérn 核(平滑参数 ν、维度 d)下离散与连续 GP-TS 的最坏情况期望简单遗憾上界 O(N^{-ν/d}√log N)。 论文还在固定一维 Matérn-5/2 核下给出匹配下界 Ω(N^{-5/2}√log N),据此称对数惩罚是标准 GP-TS 的内在特性。作者同时提出 GP-CTS 方法,但报道未给出其收敛性结论。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
高斯过程 Thompson Sampling 的高效全局优化收敛速率研究报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv stat.ML高斯过程 Thompson Sampling 的高效全局优化收敛速率研究
研究在无噪声观测下,针对 RKHS 中固定目标函数,建立了 Matérn 核(平滑参数 ν、维度 d)下离散与连续 GP-TS 的最坏情况期望简单遗憾上界 O(N^{-ν/d}√log N),并在固定一维 Matérn-5/2 核下给出匹配下界 Ω(N^{-5/2}√log N),表明对数惩罚是标准 GP-TS 的内在特性。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。