ترجمه فارسی مقاله متمایز کردن سیاست ها برای بهینه سازی بیزی غیر آبزی

چکیده

Bayesian optimization (BO) methods choose sample points by optimizing an acquisition function derived from a statistical model of the objective. These acquisition functions are chosen to balance sampling regions with predicted good objective values against exploring regions where the objective is uncertain. Standard acquisition functions are myopic, considering only the impact of the next sample, but non-myopic acquisition functions may be more effective. In principle, one could model the sampling by a Markov decision process, and optimally choose the next sample by maximizing an expected reward computed by dynamic programming; however, this is infeasibly expensive. More practical approaches, such as rollout, consider a parametric family of sampling policies. In this paper, we show how to efficiently estimate rollout acquisition functions and their gradients, enabling stochastic gradient-based optimization of sampling policies.

چکیده به فارسی (ترجمه ماشینی)

روشهای بهینه سازی بیزی (BO) با بهینه سازی یک تابع خرید حاصل از یک مدل آماری از هدف ، نقاط نمونه را انتخاب می کنند.این توابع کسب برای تعادل مناطق نمونه برداری با مقادیر هدف خوب پیش بینی شده در برابر کاوش در مناطقی که هدف نامشخص است انتخاب شده است.توابع دستیابی به استاندارد ، با توجه به تأثیر نمونه بعدی ، میوپی هستند ، اما عملکردهای غیر امپی ممکن است مؤثرتر باشد.در اصل ، می توان نمونه گیری را با یک فرآیند تصمیم گیری مارکوف مدل سازی کرد و با به حداکثر رساندن پاداش مورد انتظار محاسبه شده توسط برنامه نویسی پویا ، نمونه بعدی را انتخاب کرد.با این حال ، این بسیار گران است.رویکردهای عملی تر ، مانند چرخش ، یک خانواده پارامتری سیاست های نمونه برداری را در نظر بگیرید.در این مقاله ، ما نشان می دهیم که چگونه می توان عملکردهای دستیابی به کارآیی و شیب آنها را به طور مؤثر تخمین زد و بهینه سازی مبتنی بر شیب تصادفی از سیاست های نمونه برداری را فراهم کرد.