Efficient Global Optimization using Deep Gaussian Processes

Hebbal, Ali; Brevault, Loïc; Balesdent, Mathieu; Talbi, El-Ghazali; Melab, Nouredine

Type de document :

Communication dans un congrès avec actes

Titre :

Efficient Global Optimization using Deep Gaussian Processes

Auteur(s) :

Hebbal, Ali [Auteur]
Optimisation de grande taille et calcul large échelle [BONUS]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
DTIS, ONERA, Université Paris Saclay (COmUE) [Palaiseau]
Brevault, Loïc [Auteur]
DTIS, ONERA, Université Paris Saclay (COmUE) [Palaiseau]
Balesdent, Mathieu [Auteur]
DTIS, ONERA, Université Paris Saclay (COmUE) [Palaiseau]
Talbi, El-Ghazali [Auteur]

Optimisation de grande taille et calcul large échelle [BONUS]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Melab, Nouredine [Auteur]
Optimisation de grande taille et calcul large échelle [BONUS]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]

Titre de la manifestation scientifique :

CEC 2018 - Congress on Evolutionary Computation

Ville :

Rio de Janeiro

Pays :

Brésil

Date de début de la manifestation scientifique :

2018-07-08

Mot(s)-clé(s) en anglais :

Efficient Global Optimization
Non-stationary Kriging
Deep Gaussian Processes

Discipline(s) HAL :

Statistiques [stat]/Machine Learning [stat.ML]
Informatique [cs]/Modélisation et simulation

Résumé en anglais : [en]

Efficient Global Optimization (EGO) is widely used for the optimization of computationally expensive black-box functions. It uses a surrogate modeling technique based on Gaussian Processes (Kriging). However, due to the ...
Lire la suite >Efficient Global Optimization (EGO) is widely used for the optimization of computationally expensive black-box functions. It uses a surrogate modeling technique based on Gaussian Processes (Kriging). However, due to the use of a stationary covariance, Kriging is not well suited for approximating non stationary functions. This paper explores the integration of Deep Gaussian processes (DGP) in EGO framework to deal with the non-stationary issues and investigates the induced challenges and opportunities. Numerical experimentations are performed on analytical problems to highlight the different aspects of DGP and EGO.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Collections :

Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL

Fichiers

https://hal.inria.fr/hal-01919795/file/conference_071817.pdf
Accès libre
Accéder au document

https://hal.inria.fr/hal-01919795/document
Accès libre
Accéder au document

https://hal.inria.fr/hal-01919795/document
Accès libre
Accéder au document

document
Accès libre
Accéder au document

conference_071817.pdf
Accès libre
Accéder au document

document
Accès libre
Accéder au document

conference_071817.pdf
Accès libre
Accéder au document

Efficient Global Optimization using Deep ... BibTeX CSV Excel RIS

Fichiers

Efficient Global Optimization using Deep ...

BibTeX

CSV

Excel

RIS