基于delaunay的超参数优化方法。
pydogs的Python项目详细描述
Pydogs4
对于帝国学院合作者
侏儒狗
基于delaunay三角剖分的无导数全局优化算法,有效地解决了函数估计过程不准确的问题,但通过增加计算量可以提高算法的精度。当目标函数是平稳遍历过程统计量的无穷时间平均值时,这个包特别适合。此外,还提出了一种新的uq方法来量化多尺度的期望均方误差,这意味着它是基于一个自相关模型,该模型根据数据进行调整,以适应在不同时间尺度的大范围内的感兴趣统计。此外,还提出了一种消除信号暂态部分的暂态检测方案。
输出
优化代码生成名为allpoints/pts_to_eval.dat的文件,其格式为: 标记=1 IDin=3 awin=0.75 兰姆丹=0.5 方格=0.5
此外,它从当前目录中读取surr_j_new.dat。 a_w与当前的“aw”是相同的参数,其他两个参数将被b_1和b_2替换。
这些参数的范围为: A:[0.05;0.15](与当前AW相同) B_1:[0;0.2](代替lambda) B_2:[0;0.13](代替方乐)