Глоссарий ИИ
Полный словарь искусственного интеллекта
Комбинаторная байесовская оптимизация
Адаптация байесовской оптимизации к дискретным или комбинаторным пространствам поиска, использующая специфические суррогатные модели для управления такими структурами, как графы или перестановки.
Категориальная суррогатная модель
Суррогатная модель, разработанная для обработки категориальных или дискретных переменных, часто основанная на гауссовских процессах с ядрами, адаптированными к дискретным пространствам.
Ядро Хэмминга
Функция ядра, специфичная для дискретных пространств, которая измеряет сходство между двумя точками, подсчитывая количество различных координат, широко используется в гауссовских процессах для комбинаторной оптимизации.
Приобретение по решётке
Стратегия приобретения, которая исследует дискретное пространство поиска, следуя структуре решётки, позволяя систематическую оценку соседних конфигураций.
BOCP (Байесовская оптимизация для комбинаторных проблем)
Специфическая методологическая основа для применения байесовской оптимизации к комбинаторным проблемам, интегрирующая адаптированные модели и стратегии приобретения.
Пространство перестановок
Дискретная область поиска, где решениями являются упорядоченные расположения элементов, требующие метрик сходства и специализированных ядер, таких как ядро Кендалла.
Ядро графов
Функция ядра, определённая на структурах графов, которая вычисляет сходство между двумя графами на основе их топологических свойств или общих подструктур.
Случайная марковская модель
Альтернативный подход к гауссовским процессам для моделирования целевой функции в дискретных пространствах, захватывающий зависимости между бинарными или категориальными переменными.
Комбинаторная многоцелевая оптимизация
Расширение комбинаторной байесовской оптимизации на задачи с несколькими противоречивыми целями, использующее аппроксимации границ Парето в дискретных пространствах.
One-Hot представление
Техника кодирования категориальных переменных в бинарные векторы для использования непрерывных моделей в контексте комбинаторной оптимизации.
Метод дерева разбиений
Подход, который рекурсивно делит дискретное пространство поиска на подобласти с помощью деревьев решений, управляемый наблюдениями функции цели.
Байесовская оптимизация со смешанными переменными
Вариант байесовской оптимизации, одновременно обрабатывающий непрерывные, дискретные и категориальные переменные, требующий гибридных суррогатных моделей.
Приобретение методом имитации отжига
Стратегия приобретения, которая объединяет байесовский критерий с механизмом имитации отжига для избежания локальных оптимумов в дискретных ландшафтах.
Древовидная суррогатная модель
Альтернатива гауссовским процессам, использующие ансамблевые модели, такие как случайные леса, естественным образом адаптированные к дискретным пространствам и нелинейным структурам.
Расстояние Кендалла
Метрика сходства между перестановками, которая подсчитывает минимальное количество смежных обменов, необходимых для преобразования одной перестановки в другую, используемая в ядрах для пространств упорядочения.
Последовательная байесовская оптимизация
Применение байесовской оптимизации к задачам последовательного принятия решений, где действия являются дискретными, моделируя оптимальную политику с помощью гауссовских процессов.
Строковое ядро
Специализированная функция ядра для пространств строковых данных или дискретных последовательностей, вычисляющая сходство на основе общих подпоследовательностей.
БО для дискретных гиперпараметров
Конкретное применение комбинаторной байесовской оптимизации для настройки гиперпараметров, когда они принадлежат дискретным или категориальным наборам.