万本电子书0元读

万本电子书0元读

顶部广告

多目标贝叶斯优化——面向大模型的超参调优理论电子书

售       价:¥

纸质售价:¥43.50购买纸书

3人正在读 | 0人评论 6.7

作       者:徐华 王洪燕 袁源

出  版  社:清华大学出版社有限公司

出版时间:2024-07-01

字       数:17.8万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
"以大规模深度学习模型超参调优为代表的评估代价昂贵的多目标优化问题被称为昂贵的多目标优化问题(Expensive MOPs)。昂贵的多目标优化问题广泛存在于现实世界中的不同应用领域。其优化目标通常为黑盒函数,且求得其真实目标函数值的评估代价高昂;而现实世界的有限资源和成本只允许求解器行有限次函数评估,用于搜索该类问题的帕累托前沿。多目标贝叶斯优化方法能有效地求解该类问题,其利用高斯过程代理模型近似原优化问题以降低函数评估成本,并使用能平衡利用和探索之间关系的获取函数推荐候选解。本书关注大模型超参调优这类昂贵的多目标优化问题,针对其经典的求解方法(贝叶斯优化方法)展理论方法探索。针对低维和高维决策空间中的并行化函数评估问题、获取函数优化效率问题以及维度灾难和边界问题,本书对多目标贝叶斯优化方法行四方面的研究,旨在有效地求解低维和高维昂贵的多目标优化问题。 本书可作为当前大模型超参调优理论研究与应用实践的指导书,也可作为演化学习、智能优化、大数据及人工智能等相关专业的教材和参考书。 "<br/>【推荐语】<br/>深多层次研究:全面探索各类代表性的多目标智能优化方法在各个领域中的实际应用,为专业人员提供实用指南和解决方案,助力问题解决与智能决策。 启发自然界的算法:借鉴生物系统的智慧,采用仿生智能优化算法,突破传统数学解析方法,解决昂贵多目标优化问题,提供独到的优化解决方案。 专注高维多目标贝叶斯优化:关注高维目标空间中的挑战,引先算法和技术,包括目标降维和代理模型的辅助优化,为处理现实世界中复杂智能决策问题提供关键方法和工具。<br/>
目录展开

内容简介

前言

第1章 概述

1.1 研究背景

1.2 昂贵的多目标优化问题

1.3 研究现状分析

1.4 本书的主要研究内容

1.5 本书的结构安排

第2章 背景知识

2.1 基本概念

2.2 贝叶斯优化

2.3 高斯过程

2.4 获取函数

2.5 标准合成的多目标测试问题

2.6 多目标优化方法的评价指标

2.7 本章小结

第3章 研究综述

3.1 综述部分的总体结构

3.2 相关研究工作

3.3 本章小结

第4章 基于自适应采样的批量多目标贝叶斯优化方法

4.1 引言

4.2 ParEGO简介与局限性分析

4.3 基于自适应采样的批量多目标贝叶斯优化的研究方法

4.4 实验

4.5 神经网络超参调优任务案例分析

4.6 本章小结

第5章 基于块坐标更新的高维多目标贝叶斯优化方法

5.1 引言

5.2 基于块坐标更新的高维多目标贝叶斯优化的研究方法

5.3 实验

5.4 本章小结

第6章 基于可加高斯结构的高维多目标贝叶斯优化方法

6.1 引言

6.2 ADD-GP-UCB简介与局限性分析

6.3 基于可加高斯结构的高维多目标贝叶斯优化的研究方法

6.4 实验

6.5 本章小结

第7章 基于变量交互分析的高维多目标贝叶斯优化方法

7.1 引言

7.2 基于变量交互分析的高维多目标贝叶斯优化的研究方法

7.3 实验

7.4 本章小结

第8章 智能交通领域优化问题案例分析

8.1 问题描述

8.2 实验结果与分析

8.3 本章小结

第9章 未来研究工作展望

9.1 分布式贝叶斯优化

9.2 联邦贝叶斯优化

9.3 动态优化

9.4 异构评估

9.5 算法公平性

9.6 非平稳优化

9.7 负迁移

第10章 全书总结

参考文献

附录

英文对照表

图索引

表索引

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部