提出L0MO函数空间贝叶斯优化方法
热点事件持续更新
提出L0MO函数空间贝叶斯优化方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
研究者提出 L0 Manifold Optimization（L0MO），一种函数贝叶斯优化（FBO）方法，在再生核希尔伯特空间（RKHS）中搜索由核函数稀疏表示构成的子集，同时优化核位置与系数。该方法统一了既有 FBO 工作的视角，并构建了一套将标准有限维测试函数移植到无限维域的新基准。实验显示，L0MO 在广泛测试基准上总体取得优于当前最优方法的性能。
摘自 arXiv stat.ML
最新进展10月7日 12:00
L0MO：基于稀疏 RKHS 流形的函数空间贝叶斯优化报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv stat.MLL0MO：基于稀疏 RKHS 流形的函数空间贝叶斯优化
研究者提出 L0 Manifold Optimization（L0MO），一种函数贝叶斯优化（FBO）方法，在再生核希尔伯特空间（RKHS）中搜索由核函数稀疏表示构成的子集，同时优化核位置与系数。该方法统一了既有 FBO 工作的视角，并构建了一套将标准有限维测试函数移植到无限维域的新基准。实验显示，L0MO 在广泛测试基准上总体取得优于当前最优方法的性能。
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。