Buchumschlag

Increasing the Scope as You Learn: Adaptive Bayesian Optimization in Nested Subspaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Papenmeier, Leonard, Nardi, Luigi, Poloczek, Matthias
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding High-Dimensional Bayesian Optimization
von: Papenmeier, Leonard, et al.
Veröffentlicht: (2025)

Bounce: Reliable High-Dimensional Bayesian Optimization for Combinatorial and Mixed Spaces
von: Papenmeier, Leonard, et al.
Veröffentlicht: (2023)

Leveraging Axis-Aligned Subspaces for High-Dimensional Bayesian Optimization with Group Testing
von: Hellsten, Erik, et al.
Veröffentlicht: (2025)

Bencher: Simple and Reproducible Benchmarking for Black-Box Optimization
von: Papenmeier, Leonard, et al.
Veröffentlicht: (2025)

Exploring Exploration in Bayesian Optimization
von: Papenmeier, Leonard, et al.
Veröffentlicht: (2025)

A Unified Framework for Entropy Search and Expected Improvement in Bayesian Optimization
von: Cheng, Nuojin, et al.
Veröffentlicht: (2025)

SMOG: Scalable Meta-Learning for Multi-Objective Bayesian Optimization
von: Papenmeier, Leonard, et al.
Veröffentlicht: (2026)

Bayesian Optimization with Preference Exploration using a Monotonic Neural Network Ensemble
von: Wang, Hanyang, et al.
Veröffentlicht: (2025)

Respecting the limit:Bayesian optimization with a bound on the optimal value
von: Wang, Hanyang, et al.
Veröffentlicht: (2024)

Self-Correcting Bayesian Optimization through Bayesian Active Learning
von: Hvarfner, Carl, et al.
Veröffentlicht: (2023)

A General Framework for User-Guided Bayesian Optimization
von: Hvarfner, Carl, et al.
Veröffentlicht: (2023)

Vanilla Bayesian Optimization Performs Great in High Dimensions
von: Hvarfner, Carl, et al.
Veröffentlicht: (2024)

Falsification of Cyber-Physical Systems using Bayesian Optimization
von: Ramezani, Zahra, et al.
Veröffentlicht: (2022)

Deep Hierarchical Learning with Nested Subspace Networks for Large Language Models
von: Rauba, Paulius, et al.
Veröffentlicht: (2025)

Robust and Efficient Zeroth-Order LLM Fine-Tuning via Adaptive Bayesian Subspace Optimizer
von: Feng, Jian, et al.
Veröffentlicht: (2026)

High-Dimensional Bayesian Optimization via Random Projection of Manifold Subspaces
von: Nguyen, Quoc-Anh Hoang, et al.
Veröffentlicht: (2024)

Bayesian Fine-tuning in Projected Subspaces
von: Dubovik, Viktar, et al.
Veröffentlicht: (2026)

Bayesian Semi-structured Subspace Inference
von: Dold, Daniel, et al.
Veröffentlicht: (2024)

BOIDS: High-dimensional Bayesian Optimization via Incumbent-guided Direction Lines and Subspace Embeddings
von: Ngo, Lam, et al.
Veröffentlicht: (2024)

CATBench: A Compiler Autotuning Benchmarking Suite for Black-box Optimization
von: Tørring, Jacob O., et al.
Veröffentlicht: (2024)

Accelerating Black-Box Molecular Property Optimization by Adaptively Learning Sparse Subspaces
von: Sorourifar, Farshud, et al.
Veröffentlicht: (2024)

Continuous Subspace Optimization for Continual Learning
von: Cheng, Quan, et al.
Veröffentlicht: (2025)

Optimizing Polynomial Graph Filters: A Novel Adaptive Krylov Subspace Approach
von: Huang, Keke, et al.
Veröffentlicht: (2024)

Standard Gaussian Process is All You Need for High-Dimensional Bayesian Optimization
von: Xu, Zhitong, et al.
Veröffentlicht: (2024)

Training Bayesian Neural Networks with Sparse Subspace Variational Inference
von: Li, Junbo, et al.
Veröffentlicht: (2024)

Is Sequence Information All You Need for Bayesian Optimization of Antibodies?
von: Ober, Sebastian W., et al.
Veröffentlicht: (2025)

An Adaptive Dropout Approach for High-Dimensional Bayesian Optimization
von: Huang, Jundi, et al.
Veröffentlicht: (2025)

Recursive Nested Filtering for Efficient Amortized Bayesian Experimental Design
von: Iqbal, Sahel, et al.
Veröffentlicht: (2024)

Subspace Optimization for Efficient Federated Learning under Heterogeneous Data
von: Zhu, Shuchen, et al.
Veröffentlicht: (2026)

Variational Inference for Bayesian MIDAS Regression
von: Simeone, Luigi
Veröffentlicht: (2026)

Co-Learning Bayesian Optimization
von: Guo, Zhendong, et al.
Veröffentlicht: (2025)

FFT-based Dynamic Subspace Selection for Low-Rank Adaptive Optimization of Large Language Models
von: Modoranu, Ionut-Vlad, et al.
Veröffentlicht: (2025)

Adaptive Budget Allocation for Orthogonal-Subspace Adapter Tuning in LLMs Continual Learning
von: Wan, Zhiyi, et al.
Veröffentlicht: (2025)

Low Rank Based Subspace Inference for the Laplace Approximation of Bayesian Neural Networks
von: Faller, Josua, et al.
Veröffentlicht: (2025)

In-Context Learning Operates as Concept Subspace Learning
von: Tang, Wei, et al.
Veröffentlicht: (2026)

Multi-Objective Bayesian Optimization via Adaptive \varepsilon-Constraints Decomposition
von: Yang, Yaohong, et al.
Veröffentlicht: (2026)

Noise-Adaptive Confidence Sets for Linear Bandits and Application to Bayesian Optimization
von: Jun, Kwang-Sung, et al.
Veröffentlicht: (2024)

Distributed Fractional Bayesian Learning for Adaptive Optimization
von: Yang, Yaqun, et al.
Veröffentlicht: (2024)

Bayesian Optimization for Dynamic Pricing and Learning
von: Anand, Anush, et al.
Veröffentlicht: (2025)

Bayesian Robust Optimization for Imitation Learning
von: Brown, Daniel S., et al.
Veröffentlicht: (2020)