Traditional Gaussian Process Surrogates in the BBOB Framework

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F16%3A00462909" target="_blank" >RIV/67985807:_____/16:00462909 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11320/16:10334234

Výsledek na webu

<a href="http://ceur-ws.org/Vol-1649/163.pdf" target="_blank" >http://ceur-ws.org/Vol-1649/163.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Traditional Gaussian Process Surrogates in the BBOB Framework

Popis výsledku v původním jazyce

Objective function evaluation in continuous optimization tasks is often the operation that dominates the algorithm’s cost. In particular in the case of black-box functions, i.e. when no analytical description is available, and the function is evaluated empirically. In such a situation, utilizing information from a surrogate model of the objective function is a well known technique to accelerate the search. In this paper, we review two traditional approaches to surrogate modelling based on Gaussian processes that we have newly reimplemented in MATLAB: Metamodel Assisted Evolution Strategy using probability of improvement and Gaussian Process Optimization Procedure. In the research reported in this paper, both approaches have been for the first time evaluated on Black-Box Optimization Benchmarking framework (BBOB), a comprehensive benchmark for continuous optimizers.

Název v anglickém jazyce

Traditional Gaussian Process Surrogates in the BBOB Framework

Popis výsledku anglicky

Objective function evaluation in continuous optimization tasks is often the operation that dominates the algorithm’s cost. In particular in the case of black-box functions, i.e. when no analytical description is available, and the function is evaluated empirically. In such a situation, utilizing information from a surrogate model of the objective function is a well known technique to accelerate the search. In this paper, we review two traditional approaches to surrogate modelling based on Gaussian processes that we have newly reimplemented in MATLAB: Metamodel Assisted Evolution Strategy using probability of improvement and Gaussian Process Optimization Procedure. In the research reported in this paper, both approaches have been for the first time evaluated on Black-Box Optimization Benchmarking framework (BBOB), a comprehensive benchmark for continuous optimizers.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/NV15-33250A" target="_blank" >NV15-33250A: Predikce terapeutické odpovědi u pacientů s depresivním onemocněním pomocí nových metod EEG analýzy.</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings ITAT 2016: Information Technologies - Applications and Theory

ISBN

978-1-5370-1674-0

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

9

Strana od-do

163-171

Název nakladatele

Technical University & CreateSpace Independent Publishing Platform

Místo vydání

Aachen & Charleston

Místo konání akce

Tatranské Matliare

Datum konání akce

15. 9. 2016

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—