About: Bayesian optimization

Facets (new session)
Description
Metadata
Settings
- Rule:
- Inverse Functional Properties:
- "Same As":

About: Bayesian optimization Goto Sponge NotDistinct Permalink

An Entity of Type : yago:ScientificResearch100641820, within Data Space : dbpedia.org:8891 associated with source document(s)
QRcode icon

http://dbpedia.org:8891/describe/?url=http%3A%2F%2Fdbpedia.org%2Fresource%2FBayesian_optimization

Bayesian optimization is a sequential design strategy for global optimization of black-box functions that does not assume any functional forms. It is usually employed to optimize expensive-to-evaluate functions.

Attributes	Values
rdf:type	software yago:WikicatSequentialExperiments yago:WikicatSequentialMethods yago:Ability105616246 yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Cognition100023271 yago:Event100029378 yago:Experiment100639556 yago:Investigation100633864 yago:Know-how105616786 yago:Method105660268 yago:PsychologicalFeature100023100 yago:Research100636921 yago:Work100575741 yago:YagoPermanentlyLocatedEntity yago:ScientificResearch100641820
rdfs:label	Optimització bayesiana (ca) Bayes’sche Optimierung (de) Bayesian optimization (en)
rdfs:comment	En aprenentatge automàtic, l'optimització bayesiana és una estratègia de disseny seqüencial per a l'optimització global de funcions matemàtiques, les quals compleixen una sèrie de criteris com: * El cost computacional de la seva avaluació és molt elevat. * Funcions objectiu tractades com a caixes negres, i per tant, no es disposa de cap informació sobre les seves derivades. * L'avaluació de la funció objectiu pot èsser sorollosa. Aquest tipus de problemes apareixen sovint en camps com la simulació de fenòmens de molt variada tipologia o en el camp de la intel·ligència artificial. (ca) Bayesian optimization is a sequential design strategy for global optimization of black-box functions that does not assume any functional forms. It is usually employed to optimize expensive-to-evaluate functions. (en) Die Bayes’sche Optimierung ist eine sequenzielle Versuchsplanung für die globale Optimierung von Black-Box-Funktionen, die keine funktionalen Formen voraussetzt. Sie wird in der Regel zur Optimierung von Funktionen eingesetzt, die teuer zu bewerten sind. Bei der Bayes’sche Optimierung wird bestehendes Wissen eingesetzt um neue Datenpunkte zur Auswertung durch die Black-Box-Funktion vorzuschlagen und so das Optimum zu finden. Die vorgeschlagenen Punkte gehen einen Trade-off zwischen Exploration und Exploitation ein, welcher durch die gewählte Erfassungsfunktionen beeinflusst wird. (de)
foaf:depiction
dcterms:subject	Sequential experiments Sequential methods Machine learning Stochastic optimization
Wikipage page ID	40973765 (xsd:integer)
Wikipage revision ID	1121149520 (xsd:integer)
Link from a Wikipage to another Wikipage	Bayesian experimental design Sequential experiments Sequential methods Robotics Probabilistic numerics Derivative Deep learning Thompson sampling Mathematical optimization Gaussian process Machine learning Computer graphics Kriging Multi-armed bandit Particle physics Machine learning Learning to rank Global optimization Reinforcement learning Stochastic optimization Black box Dimension Broyden–Fletcher–Goldfarb–Shanno algorithm Newton's method in optimization Sequential analysis Sensor networks Pareto optimum Prior distribution Posterior distribution dbr:Bayesian_expected_losses dbr:Expected_improvement dbr:Exploration_and_exploitation dbr:Lower_confidence_bound dbr:Parzen-Tree_Estimator dbr:Probability_of_improvement dbr:Upper_confidence_bound
Link from a Wikipage to an external page	https://mindfoundry.ai/optaas https://rmcantin.bitbucket.io/html/ https://sheffieldml.github.io/GPyOpt/ https://sigopt.com/ https://www.tensorflow.org/probability http://www.cs.ubc.ca/labs/beta/Projects/SMAC/ https://bitbucket.org/mlcircus/bayesopt.m https://www.tensorflow.org/ http://bayeso.org http://gpytorch.ai https://botorch.org https://github.com/AnotherSamWilson/ParBayesianOptimization https://github.com/GPflow/GPflow https://github.com/GPflow/GPflowOpt https://github.com/HIPS/Spearmint https://github.com/SheffieldML/GPy https://github.com/google/vizier https://github.com/mwhoffman/pybo https://github.com/secondmind-labs/trieste https://github.com/yelp/MOE
sameAs	Bayesian optimization Bayesian optimization Bayesian optimization Bayesian optimization Bayesian optimization Bayesian optimization
dbp:wikiPageUsesTemplate	dbt:Citation_needed dbt:Ill dbt:Reflist
thumbnail	wiki-commons:Special:FilePath/GpParBayesAnimationSmall.gif?width=300
has abstract	En aprenentatge automàtic, l'optimització bayesiana és una estratègia de disseny seqüencial per a l'optimització global de funcions matemàtiques, les quals compleixen una sèrie de criteris com: * El cost computacional de la seva avaluació és molt elevat. * Funcions objectiu tractades com a caixes negres, i per tant, no es disposa de cap informació sobre les seves derivades. * L'avaluació de la funció objectiu pot èsser sorollosa. Aquest tipus de problemes apareixen sovint en camps com la simulació de fenòmens de molt variada tipologia o en el camp de la intel·ligència artificial. (ca) Bayesian optimization is a sequential design strategy for global optimization of black-box functions that does not assume any functional forms. It is usually employed to optimize expensive-to-evaluate functions. (en)

Faceted Search & Find service v1.17_git139 as of Feb 29 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 08.03.3331 as of Sep 2 2024, on Linux (x86_64-generic-linux-glibc212), Single-Server Edition (62 GB total memory, 43 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software