ترجمه فارسی مقاله بهینه سازی بیزی برای مسائل بهینه سازی تصادفی دو مرحله ای غیر محدب

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Bayesian Optimization for Non-Convex Two-Stage Stochastic Optimization Problems
عنوان مقاله به فارسی بهینه سازی بیزی برای مسائل بهینه سازی تصادفی دو مرحله ای غیر محدب
نویسندگان Jack M. Buckingham, Ivo Couckuyt, Juergen Branke
فرمت مقاله انگلیسی PDF
تعداد صفحات 40
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Machine Learning,Optimization and Control,یادگیری ماشین , یادگیری ماشین , بهینه سازی و کنترل ,
توضیحات Submitted 30 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Bayesian optimization is a sample-efficient method for solving expensive, black-box optimization problems. Stochastic programming concerns optimization under uncertainty where, typically, average performance is the quantity of interest. In the first stage of a two-stage problem, here-and-now decisions must be made in the face of this uncertainty, while in the second stage, wait-and-see decisions are made after the uncertainty has been resolved. Many methods in stochastic programming assume that the objective is cheap to evaluate and linear or convex. In this work, we apply Bayesian optimization to solve non-convex, two-stage stochastic programs which are expensive to evaluate. We formulate a knowledge-gradient-based acquisition function to jointly optimize the first- and second-stage variables, establish a guarantee of asymptotic consistency and provide a computationally efficient approximation. We demonstrate comparable empirical results to an alternative we formulate which alternates its focus between the two variable types, and superior empirical results over the standard, naive, two-step benchmark. We show that differences in the dimension and length scales between the variable types can lead to inefficiencies of the two-step algorithm, while the joint and alternating acquisition functions perform well in all problems tested. Experiments are conducted on both synthetic and real-world examples.

چکیده به فارسی (ترجمه ماشینی)

بهینه سازی بیزی یک روش کارآمد برای حل مشکلات بهینه سازی گران قیمت و جعبه سیاه است.برنامه نویسی تصادفی مربوط به بهینه سازی تحت عدم اطمینان است که به طور معمول ، عملکرد متوسط ​​مقدار علاقه است.در مرحله اول یک مشکل دو مرحله ای ، تصمیمات در اینجا و اکنون باید در مواجهه با این عدم اطمینان اتخاذ شود ، در حالی که در مرحله دوم ، پس از حل عدم اطمینان ، تصمیمات انتظار و دیدن گرفته می شود.بسیاری از روش ها در برنامه نویسی تصادفی فرض می کنند که هدف برای ارزیابی و خطی یا محدب ارزان است.در این کار ، ما بهینه سازی بیزی را برای حل برنامه های تصادفی دو مرحله ای که برای ارزیابی گران هستند ، اعمال می کنیم.ما یک تابع کسب مبتنی بر دانش پایه را برای بهینه سازی مشترک متغیرهای مرحله اول و دوم تدوین می کنیم ، ضمانت قوام بدون علامت را ایجاد می کنیم و یک تقریب محاسباتی کارآمد را ارائه می دهیم.ما نتایج تجربی قابل مقایسه را با یک جایگزین نشان می دهیم که تدوین می کنیم که تمرکز آن بین دو نوع متغیر و نتایج تجربی برتر بر روی معیار استاندارد ، ساده لوح و دو مرحله ای است.ما نشان می دهیم که تفاوت در مقیاس ابعاد و طول بین انواع متغیر می تواند منجر به ناکارآمدی الگوریتم دو مرحله ای شود ، در حالی که توابع دستیابی مشترک و متناوب در تمام مشکلات آزمایش شده عملکرد خوبی دارند.آزمایشات بر روی هر دو نمونه مصنوعی و واقعی انجام می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.