计算机
类型
可以朗读
语音朗读
177千字
字数
2024-07-01
发行日期
展开全部
主编推荐语
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。
内容简介
本书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进行有限次函数评估，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）开展理论方法探索。
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进行四方面的研究，旨在有效地求解低维和高维昂贵的多目标优化问题。
目录
- 版权信息
- 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
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
