Investigation of Gaussian Processes and Random Forests as Surrogate Models for Evolutionary Black-Box Optimization

Popis výsledku

—

Jazyk výsledku
angličtina
Název v původním jazyce
Investigation of Gaussian Processes and Random Forests as Surrogate Models for Evolutionary Black-Box Optimization
Popis výsledku v původním jazyce
This paper introduces two surrogate models for continous black-box optimization, Gaussian processes and random forests, as an alternative to the already used ordinal SVM regression. We employ the CMA-ES as the reference optimization method with which thesurrogate models are combined and also compared on subset of the noisless BBOB testing set.
Název v anglickém jazyce
Investigation of Gaussian Processes and Random Forests as Surrogate Models for Evolutionary Black-Box Optimization
Popis výsledku anglicky
This paper introduces two surrogate models for continous black-box optimization, Gaussian processes and random forests, as an alternative to the already used ordinal SVM regression. We employ the CMA-ES as the reference optimization method with which thesurrogate models are combined and also compared on subset of the noisless BBOB testing set.

Projekt
GA13-17187S: Konstrukce pokročilých srozumitelných klasifikátorů
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
GECCO Companion '15. Genetic and Evolutionary Computation Conference. Companion Material Proceedings
ISBN
978-1-4503-3488-4
ISSN
—
e-ISSN
—
Počet stran výsledku
2
Strana od-do
1351-1352
Název nakladatele
ACM
Místo vydání
New York
Místo konání akce
Madrid
Datum konání akce
11. 7. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Druh výsledku

D - Stať ve sborníku

CEP

IN - Informatika

Rok uplatnění

2015