Počet záznamů: 1
Ordinal versus metric gaussian process regression in surrogate modelling for CMA evolution strategy
- 1.
SYSNO ASEP 0477787 Druh ASEP A - Abstrakt Zařazení RIV Záznam nebyl označen do RIV Zařazení RIV Není vybrán druh dokumentu Název Ordinal versus metric gaussian process regression in surrogate modelling for CMA evolution strategy Tvůrce(i) Pitra, Z. (CZ)
Bajer, L. (CZ)
Repický, J. (CZ)
Holeňa, Martin (UIVT-O) SAI, RIDZdroj.dok. GECCO 2017. Proceedings of the Genetic and Evolutionary Computation Conference Companion. - New York : ACM, 2017 - ISBN 978-1-4503-4939-0
S. 177-178Poč.str. 2 s. Akce GECCO 2017. Genetic and Evolutionary Computation Conference Datum konání 15.07.2017 - 19.07.2017 Místo konání Berlin Země DE - Německo Typ akce WRD Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova black-box optimization ; evolutionary optimization ; surrogate modelling ; Gaussian-process regression Vědní obor RIV IN - Informatika CEP GA17-01251S GA ČR - Grantová agentura ČR Institucionální podpora UIVT-O - RVO:67985807 DOI 10.1145/3067695.3076086 Anotace This work presents an ordinal-based Gaussian process surrogate model for the state-of-the-art continuous black-box optimizer CMA-ES in scenarios where the objective evaluations are very expensive. Such model is motivated by the CMA-ES' invariance with respect to order preserving transformations. Alongside with the model's description, comparison with the standard (metric) Gaussian process surrogate for the CMA-ES is given.
Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2018
Počet záznamů: 1