arXiv cs.LG· Ilya O. Ryzhov·· 19 天前AI 评分31
用于偏好学习的全序列高斯过程回归
Fully sequential Gaussian process regression for preference learning
AI 导读
针对无法直接评估目标函数、仅能获取含噪两两比较结果的连续全局优化问题，研究人员提出了一种基于矩匹配的全序列高斯过程回归近似方法，可实现元模型均值与协方差的快速闭式更新。在此基础上，研究提出结合信息增益准则与随机采样的全序列采样策略 DOVE，以控制误差累积。在标准正则性条件下，该工作证明了取决于核平滑度的统计误差和期望简单遗憾的收敛率。
来源：arXiv cs.LG · arxiv.org