AI 詞彙表
人工智能完整詞典
200
類別
2,608
子類別
30,011
術語
術語
ALEBO（自适应线性嵌入贝叶斯优化）
一种贝叶斯优化技术，学习低维线性子空间来投影高维点，从而降低计算复杂度。
術語
ADD-GP（加性高斯过程）
一种加性高斯过程模型，将目标函数分解为变量子组函数之和，在更高维度上具有更好的可扩展性。
術語
高斯过程（GP）
一种定义在函数上的非参数概率模型，在贝叶斯优化中广泛用作代理模型来建模不确定性。
術語
采集准则
贝叶斯优化中使用的启发式函数，通过平衡探索与利用来指导选择下一个评估点。
術語
期望改进（EI）
一种流行的采集准则，计算相对于当前最佳观测值的期望改进，并根据模型的不确定性进行加权。
術語
维度嵌入
一种降维技术，将高维搜索空间投影到执行优化的低维子空间中。
術語
加性结构
假设目标函数可以分解为依赖于变量子集的函数之和，利用此假设来提高高维效率。
術語
高维优化（高维BO）
贝叶斯优化的变体，适用于具有数十或数百维的搜索空间，需要专门的技术。
術語
代理模型
昂贵目标函数的近似模型，用于贝叶斯优化中预测未评估点的值和不确定性。
術語
ARD核（自动相关性确定）
高斯过程核，自动学习每个维度的重要性，能够在高维中识别相关变量。
術語
随机嵌入
将高维空间随机投影到低维子空间的技术，假设只有少数方向是相关的。
術語
信任区域贝叶斯优化
将搜索限制在当前最优解周围的信任区域内的贝叶斯优化方法，适用于高维问题。
術語
GP-UCB（高斯过程上置信界）
利用高斯过程预测的上置信界来平衡探索与利用的采集准则。
術語
核分解
将高斯过程核分解为一维核乘积的方法，降低高维计算复杂度。
術語
高维多目标优化
贝叶斯优化向具有多个冲突目标的高维问题的扩展，需要适配的采集准则。
術語
高维输出贝叶斯优化
目标函数返回高维向量的变体，需要多输出模型和专门的采集准则。
🔍