Grey-Box Bayesian Optimization: Cải thiện hiệu suất bằng cách nhìn vào bên trong hộp đen
Luận án: Toscanopalmerin cornellgrad 0058f 11869. Xem tóm tắt và tải về tại LuanAn.net
Cornell University
Operations Research and Information Engineering
Luan An
Luận án tiến sĩ
Năm xuất bản
Số trang
184
Thời gian đọc
28 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- Grey-Box Bayesian Optimization: Tăng hiệu quả tối ưu hóa
- Số trang:
- 184 trang
- Trường:
- Cornell University
- Chuyên ngành:
- Operations Research and Information Engineering
- Tác giả:
- Saul Toscano Palmerin
- Năm:
- 2020
Tóm tắt nội dung luận án
I.Grey Box Bayesian Optimization Tăng hiệu quả tối ưu hóa
Tối ưu hóa Bayesian hộp xám cải thiện đáng kể hiệu suất của các thuật toán tối ưu hóa truyền thống. Các phương pháp hộp đen thường được dùng cho các hàm mục tiêu phi lồi, tốn thời gian. Chúng chỉ giả định rất ít về hàm mục tiêu. Tuy nhiên, điều này cũng là một hạn chế. Các phương pháp hộp đen đòi hỏi nhiều đánh giá hơn. Tối ưu hóa hộp xám thay đổi cách tiếp cận. Nó khai thác thông tin sâu hơn về cấu trúc bài toán. Việc này giúp giảm số lần đánh giá trực tiếp hàm mục tiêu. Thông tin thu thập được không chỉ đến từ việc đánh giá hàm mục tiêu. Nó có thể ít tốn thời gian hơn. Phương pháp này dẫn đến việc phát triển các thuật toán tối ưu hóa Bayesian mới. Các thuật toán này vượt trội so với các phương pháp chỉ dựa vào đánh giá hàm mục tiêu. Khái niệm tối ưu hóa hộp xám tập trung vào việc nhìn 'vào bên trong hộp đen'. Mục tiêu là để có được cái nhìn sâu sắc hơn. Điều này giúp tối ưu hóa hiệu quả hơn các hàm phức tạp và tốn kém.
1.1. Vượt qua giới hạn tối ưu hóa hộp đen
Tối ưu hóa hộp đen hoạt động tốt trên nhiều ứng dụng. Tuy nhiên, chúng có nhược điểm cố hữu. Việc thiếu thông tin cấu trúc khiến chúng phải thực hiện nhiều đánh giá. Mỗi đánh giá thường tốn kém về mặt tính toán. Đặc biệt với các hàm chi phí cao, điều này làm giảm hiệu quả tối ưu hóa. Tối ưu hóa Bayesian hộp xám giải quyết vấn đề này. Phương pháp này nhận biết rằng thông tin có thể được thu thập theo nhiều cách. Nó không chỉ là đánh giá trực tiếp. Việc khai thác các nguồn thông tin khác nhau giúp giảm gánh nặng tính toán. Nó cũng tăng tốc quá trình tìm kiếm giải pháp tối ưu. Mô hình surrogate được xây dựng chính xác hơn nhờ thông tin bổ sung. Điều này cho phép tối ưu hóa hiệu quả hơn nhiều.
1.2. Lợi ích từ kiến thức miền mở rộng
Kiến thức miền là yếu tố then chốt trong tối ưu hóa hộp xám. Thay vì xem hàm mục tiêu là một hộp đen hoàn toàn, các phương pháp này tìm cách hiểu rõ hơn về nó. Thông tin này có thể bao gồm kiến thức về đạo hàm. Nó có thể là thông tin về các mối quan hệ nội bộ. Hoặc là cách hàm mục tiêu phản ứng với các thay đổi nhỏ. Bằng cách kết hợp kiến thức miền này, mô hình surrogate trở nên thông minh hơn. Quy trình Gaussian có thể được điều chỉnh tốt hơn. Hàm thu nhận trở nên hiệu quả hơn trong việc đề xuất các điểm đánh giá tiếp theo. Điều này làm tăng tốc đáng kể quá trình tối ưu hóa. Nó cũng dẫn đến việc tìm ra các giải pháp tốt hơn với ít lần đánh giá hơn. Hiệu suất tối ưu hóa được nâng cao rõ rệt.
II.Tối ưu hóa Bayesian với hàm chi phí cao hiệu quả
Tối ưu hóa Bayesian là một khung mạnh mẽ. Nó được dùng để tối ưu hóa các hàm mục tiêu phi lồi và tốn thời gian. Các hàm này thường gặp trong học máy, khoa học và kỹ thuật. Đặc điểm chính của tối ưu hóa Bayesian là khả năng tìm ra cực tiểu toàn cục. Nó đòi hỏi số lần đánh giá hàm mục tiêu tối thiểu. Điều này rất quan trọng khi mỗi đánh giá hàm là một quá trình tốn kém. Nó có thể là một thử nghiệm vật lý. Hoặc là việc huấn luyện một mô hình học sâu phức tạp. Phương pháp này xây dựng một mô hình xác suất. Mô hình này mô tả hàm mục tiêu. Sau đó, nó sử dụng mô hình này để hướng dẫn quá trình tìm kiếm. Việc này đảm bảo rằng mỗi lần đánh giá mới mang lại thông tin giá trị nhất. Từ khóa chính là tối ưu hóa Bayesian, hàm chi phí cao. Mục tiêu là đạt được hiệu quả tối ưu hóa tối đa trong điều kiện ràng buộc. Các thuật toán tối ưu hóa Bayesian cải tiến vượt trội. Chúng vượt qua các phương pháp truyền thống chỉ dựa vào đánh giá trực tiếp hàm mục tiêu.
2.1. Giải pháp cho mục tiêu tốn thời gian
Nhiều bài toán thực tế có hàm mục tiêu tốn thời gian để đánh giá. Ví dụ, việc huấn luyện một mạng nơ-ron có thể mất hàng giờ hoặc hàng ngày. Việc chạy một mô phỏng phức tạp cũng tương tự. Tối ưu hóa Bayesian cung cấp một giải pháp hiệu quả. Nó giảm thiểu số lần phải đánh giá trực tiếp hàm mục tiêu. Khung này xây dựng một mô hình surrogate của hàm mục tiêu. Mô hình này có thể được đánh giá nhanh chóng. Nó ước tính giá trị và độ bất định của hàm tại các điểm chưa biết. Sau đó, nó sử dụng một hàm thu nhận để chọn điểm đánh giá tiếp theo. Điểm được chọn là điểm tối đa hóa thông tin có được. Hoặc là điểm có tiềm năng cải thiện giá trị mục tiêu. Điều này giúp nhanh chóng hội tụ về giải pháp tối ưu, tiết kiệm tài nguyên tính toán quý giá.
2.2. Vai trò của mô hình surrogate hiệu quả
Mô hình surrogate là trung tâm của tối ưu hóa Bayesian. Thường thì, một Quy trình Gaussian được sử dụng làm mô hình surrogate. Quy trình Gaussian là một phân phối xác suất trên các hàm. Nó cung cấp ước tính giá trị hàm cùng với độ bất định. Độ bất định này là cần thiết để cân bằng giữa khám phá và khai thác. Một mô hình surrogate hiệu quả phải phản ánh chính xác hành vi của hàm mục tiêu. Nó cần làm điều đó chỉ với một số ít các điểm dữ liệu. Chất lượng của mô hình surrogate ảnh hưởng trực tiếp đến hiệu quả tối ưu hóa. Bằng cách liên tục cập nhật mô hình với các đánh giá mới, độ chính xác của nó tăng lên. Điều này cho phép thuật toán tối ưu hóa Bayesian đưa ra các quyết định thông minh hơn. Nó chọn các điểm đánh giá mang lại lợi ích lớn nhất cho quá trình tối ưu hóa.
III.Tối ưu hóa hộp xám Khai thác thông tin sâu sắc
Tối ưu hóa hộp xám là một cải tiến quan trọng. Nó đối lập với tối ưu hóa hộp đen hoàn toàn. Nó khai thác thông tin sâu sắc về hàm mục tiêu. Thông tin này vượt ra ngoài các đánh giá trực tiếp. Các phương pháp hộp đen giả định quá ít. Điều này khiến chúng cần nhiều đánh giá để tìm ra giải pháp tối ưu. Các hàm mục tiêu thường tốn kém để đánh giá. Do đó, giảm số lần đánh giá là rất quan trọng. Tối ưu hóa hộp xám nhìn 'vào bên trong hộp đen'. Nó tìm kiếm các nguồn thông tin bổ sung. Điều này có thể bao gồm kiến thức miền, thông tin đạo hàm, hoặc các mô hình đơn giản hóa. Việc tích hợp thông tin này vào khung tối ưu hóa Bayesian cải thiện đáng kể hiệu suất. Nó cho phép xây dựng mô hình surrogate chính xác hơn. Các hàm thu nhận cũng trở nên hiệu quả hơn. Cuối cùng, nó dẫn đến các thuật toán tối ưu hóa nhanh hơn và hiệu quả hơn. Mục tiêu là để có được cái nhìn sâu sắc hơn, dẫn đến hiệu quả tối ưu hóa cao hơn.
3.1. Thu thập thông tin ngoài đánh giá trực tiếp
Tối ưu hóa hộp xám mở rộng định nghĩa về 'thông tin'. Nó không chỉ giới hạn ở việc đánh giá hàm mục tiêu đầy đủ. Các nguồn thông tin khác bao gồm các phép đo nhiễu, các mô hình gần đúng chi phí thấp, hoặc thông tin đạo hàm. Chẳng hạn, đôi khi có thể tính toán đạo hàm của hàm mục tiêu với chi phí thấp hơn. Thông tin đạo hàm này cung cấp cái nhìn sâu sắc về độ dốc của hàm. Nó giúp định hướng tìm kiếm tốt hơn. Hoặc, có thể sử dụng các đánh giá 'đa độ trung thực'. Các đánh giá này là các phiên bản nhanh hơn, kém chính xác hơn của hàm mục tiêu. Bằng cách tích hợp các loại thông tin này, thuật toán xây dựng một bức tranh hoàn chỉnh hơn. Mô hình surrogate phản ánh tốt hơn hành vi thực tế của hàm mục tiêu. Điều này dẫn đến sự hội tụ nhanh hơn và hiệu quả hơn.
3.2. Cải tiến thuật toán tối ưu hóa Bayesian
Việc tích hợp thông tin hộp xám đòi hỏi các cải tiến đối với thuật toán tối ưu hóa Bayesian. Các hàm thu nhận truyền thống cần được sửa đổi. Chúng cần để có thể sử dụng hiệu quả các loại thông tin mới này. Ví dụ, một hàm thu nhận mới có thể định lượng giá trị của việc thu thập thông tin đạo hàm. Hoặc giá trị của việc thực hiện một đánh giá đa độ trung thực. Các mô hình surrogate, như Quy trình Gaussian, cũng có thể được mở rộng. Chúng được mở rộng để kết hợp các đầu vào phi tiêu chuẩn này. Bằng cách thiết kế lại các thành phần chính của tối ưu hóa Bayesian, hiệu quả tối ưu hóa được nâng cao đáng kể. Các thuật toán tối ưu hóa Bayesian hộp xám mới cung cấp khả năng tìm kiếm tốt hơn. Chúng tận dụng mọi bit thông tin có sẵn. Điều này đặc biệt hữu ích khi hàm chi phí cao là một yếu tố hạn chế lớn.
IV.Các ứng dụng tối ưu hóa Bayesian hộp xám thực tế
Tối ưu hóa Bayesian hộp xám đã được áp dụng thành công cho nhiều bài toán thực tế. Các vấn đề này thường gặp trong các lĩnh vực khác nhau. Các trường hợp điển hình liên quan đến các hàm mục tiêu tốn kém và phức tạp. Việc khai thác thông tin hộp xám mang lại lợi ích đáng kể. Nó cải thiện hiệu quả và tốc độ tìm kiếm giải pháp tối ưu. Ba vấn đề cụ thể đã được nghiên cứu. Chúng bao gồm tối ưu hóa tổng và tích phân hàm tốn kém. Nó cũng bao gồm việc điều chỉnh siêu tham số cho các thuật toán học máy. Cuối cùng là tối ưu hóa các hàm phi lồi bằng phương pháp gradient ngẫu nhiên đa khởi tạo. Mỗi ứng dụng này thể hiện cách Tối ưu hóa Bayesian hộp xám có thể vượt trội. Nó làm được điều này bằng cách nhìn 'vào bên trong hộp đen'.
4.1. Tối ưu hóa tổng và tích phân hàm tốn kém
Nhiều bài toán kỹ thuật và khoa học đòi hỏi tối ưu hóa các hàm dưới dạng tổng hoặc tích phân. Các hàm này có thể rất tốn kém để đánh giá chính xác. Tối ưu hóa Bayesian hộp xám cung cấp một phương pháp mới. Nó khai thác cấu trúc nội tại của các hàm này. Thay vì đánh giá toàn bộ tích phân hoặc tổng, thuật toán có thể thu thập thông tin về các thành phần riêng lẻ. Hoặc nó có thể sử dụng các xấp xỉ chi phí thấp hơn. Việc này cho phép xây dựng mô hình surrogate hiệu quả hơn. Hàm thu nhận được thiết kế để tận dụng thông tin này. Nó dẫn đến quá trình tối ưu hóa hiệu quả hơn nhiều. Các ví dụ bao gồm tối ưu hóa thiết kế máy bay hoặc bài toán Newsvendor.
4.2. Điều chỉnh siêu tham số học máy hiệu quả
Điều chỉnh siêu tham số là một nhiệm vụ quan trọng. Nó liên quan đến việc tối ưu hóa hiệu suất của các thuật toán học máy. Quá trình này thường tốn kém về mặt tính toán. Đặc biệt là với các mô hình học sâu. Tối ưu hóa Bayesian hộp xám, đặc biệt là với tối ưu hóa đa độ trung thực, cung cấp một giải pháp. Nó cho phép sử dụng các lần chạy huấn luyện một phần. Hoặc các mô hình có độ phức tạp thấp hơn. Những mô hình này được đánh giá nhanh hơn. Thông tin từ các 'dấu vết' này được tích hợp vào mô hình surrogate. Mô hình đó hướng dẫn việc lựa chọn siêu tham số. Điều này giúp nhanh chóng tìm thấy các siêu tham số tối ưu. Hiệu quả tối ưu hóa được cải thiện đáng kể. Đặc biệt cho các thuật toán học máy được huấn luyện lặp đi lặp lại.
4.3. Tối ưu hóa hàm phi lồi với gradient ngẫu nhiên
Tối ưu hóa các hàm phi lồi có thể rất thách thức. Chúng có nhiều cực tiểu cục bộ và các vùng gradient biến mất. Một thuật toán gradient ngẫu nhiên đa khởi tạo mới được đề xuất. Nó tích hợp các nguyên tắc tối ưu hóa hộp xám. Nó kết hợp mô hình thống kê và phân bổ nỗ lực thông minh. Phương pháp này mô hình hóa hành vi của các lần chạy gradient ngẫu nhiên. Nó ước tính khả năng thành công của chúng. Dựa trên mô hình này, thuật toán phân bổ nỗ lực tính toán một cách hiệu quả. Nó tập trung vào các khu vực hứa hẹn nhất. Điều này cải thiện đáng kể hiệu suất tối ưu hóa. Nó cũng cải thiện độ bền trên các hàm phi lồi phức tạp. Phương pháp này tận dụng thông tin nội bộ của quá trình gradient ngẫu nhiên.
V.Mô hình hóa và hàm thu nhận trong tối ưu hóa Bayesian
Tối ưu hóa Bayesian dựa trên hai thành phần chính: mô hình surrogate và hàm thu nhận. Mô hình surrogate cung cấp một đại diện xác suất của hàm mục tiêu. Nó cho phép ước tính giá trị hàm tại các điểm chưa được đánh giá. Nó cũng ước tính độ bất định của các ước tính đó. Một Quy trình Gaussian thường được sử dụng làm mô hình surrogate. Quy trình Gaussian rất linh hoạt. Nó có khả năng mô hình hóa các mối quan hệ phi tuyến phức tạp. Hàm thu nhận sử dụng mô hình surrogate này để đề xuất điểm tiếp theo cần đánh giá. Hàm thu nhận tìm cách cân bằng giữa khám phá (exploration) và khai thác (exploitation). Khám phá có nghĩa là tìm kiếm trong các vùng chưa được biết rõ. Khai thác có nghĩa là cải thiện các giải pháp tốt nhất đã biết. Sự lựa chọn của mô hình surrogate và hàm thu nhận có ảnh hưởng lớn. Nó ảnh hưởng đến hiệu quả tối ưu hóa. Trong tối ưu hóa hộp xám, cả hai thành phần này đều được nâng cao. Chúng được nâng cao bằng cách tích hợp thông tin bổ sung. Từ khóa chính là mô hình surrogate, Quy trình Gaussian, hàm thu nhận, hiệu quả tối ưu hóa.
5.1. Xây dựng mô hình surrogate chính xác
Việc xây dựng một mô hình surrogate chính xác là rất quan trọng. Nó cần để có thể hướng dẫn quá trình tối ưu hóa hiệu quả. Quy trình Gaussian là một lựa chọn phổ biến. Nó có khả năng mô hình hóa độ bất định một cách tự nhiên. Trong bối cảnh hộp xám, mô hình surrogate có thể được làm giàu. Nó có thể được làm giàu với các loại thông tin khác nhau. Ví dụ, nó có thể là thông tin đạo hàm. Hoặc các đánh giá đa độ trung thực. Các hạt nhân Quy trình Gaussian có thể được thiết kế tùy chỉnh. Chúng có thể tích hợp các kiến thức miền cụ thể. Việc này giúp mô hình ước tính hàm mục tiêu chính xác hơn. Nó đặc biệt hữu ích ở các khu vực có ít dữ liệu. Mô hình chính xác hơn dẫn đến việc lựa chọn điểm đánh giá tiếp theo tốt hơn. Điều này cải thiện đáng kể hiệu quả tối ưu hóa tổng thể.
5.2. Hướng dẫn tìm kiếm tối ưu bằng hàm thu nhận
Hàm thu nhận là công cụ ra quyết định của tối ưu hóa Bayesian. Nó sử dụng mô hình surrogate để xác định điểm tiếp theo cần đánh giá. Các hàm thu nhận phổ biến bao gồm cải thiện dự kiến (Expected Improvement) hoặc độ lợi thông tin (Information Gain). Trong tối ưu hóa hộp xám, các hàm thu nhận được mở rộng. Chúng được mở rộng để tận dụng thông tin bổ sung. Ví dụ, hàm thu nhận có thể xem xét giá trị của việc thu thập thông tin đạo hàm. Nó có thể là thông tin về các đánh giá đa độ trung thực. Điều này cho phép thuật toán lựa chọn một cách chiến lược hơn. Nó có thể chọn điểm nào mang lại giá trị thông tin cao nhất. Hoặc điểm nào có tiềm năng cải thiện lớn nhất. Bằng cách hướng dẫn tìm kiếm hiệu quả, hàm thu nhận giúp hội tụ nhanh chóng. Nó tìm đến các vùng tối ưu của không gian tham số. Việc này tối ưu hóa hiệu quả khi đối mặt với hàm chi phí cao.
VI.Tối ưu hóa đa độ trung thực Nâng cao hiệu suất nhanh
Tối ưu hóa đa độ trung thực là một chiến lược then chốt. Nó nằm trong khung tối ưu hóa Bayesian hộp xám. Mục tiêu là để cải thiện hiệu suất. Nó đạt được điều này bằng cách tận dụng các đánh giá hàm mục tiêu ở nhiều mức độ chính xác khác nhau. Các đánh giá có độ trung thực thấp hơn thường nhanh hơn và rẻ hơn. Tuy nhiên, chúng kém chính xác hơn. Các đánh giá có độ trung thực cao hơn thì chính xác hơn. Nhưng chúng cũng tốn kém hơn. Bằng cách kết hợp thông tin từ tất cả các cấp độ trung thực, thuật toán tối ưu hóa Bayesian có thể học nhanh hơn. Nó hiểu được hành vi tổng thể của hàm mục tiêu. Nó có thể sử dụng các đánh giá độ trung thực thấp để khám phá rộng rãi không gian. Sau đó, nó sử dụng các đánh giá độ trung thực cao để tinh chỉnh các khu vực hứa hẹn. Điều này đặc biệt có giá trị trong việc điều chỉnh siêu tham số. Nó giảm đáng kể thời gian cần thiết để tìm cấu hình tối ưu. Từ khóa chính là tối ưu hóa đa độ trung thực, hiệu suất tối ưu hóa, hàm chi phí cao.
6.1. Khai thác dữ liệu quan sát theo dõi chi phí
Tối ưu hóa đa độ trung thực tận dụng 'dữ liệu quan sát theo dõi chi phí'. Dữ liệu này đến từ các đánh giá độ trung thực thấp hoặc trung bình. Ví dụ, khi huấn luyện một mô hình học máy, chúng ta có thể dừng huấn luyện sớm. Hoặc huấn luyện trên một tập dữ liệu nhỏ hơn. Các 'dấu vết' này cung cấp thông tin không đầy đủ. Tuy nhiên, chúng vẫn cung cấp thông tin có giá trị. Thông tin này được sử dụng để cập nhật mô hình surrogate. Nó giúp dự đoán hành vi của hàm mục tiêu ở độ trung thực cao hơn. Các hàm thu nhận, như Trace-aware Knowledge Gradient (taKG), được thiết kế đặc biệt. Chúng định lượng giá trị của các quan sát theo dõi. Nó giúp quyết định khi nào nên đầu tư vào một đánh giá độ trung thực cao. Hoặc khi nào nên tiếp tục khám phá với các đánh giá rẻ hơn. Điều này tối ưu hóa việc phân bổ tài nguyên. Nó dẫn đến hiệu quả tối ưu hóa vượt trội.
6.2. Chiến lược khởi động từ các lần chạy một phần
Một chiến lược hiệu quả trong tối ưu hóa đa độ trung thực là 'khởi động nóng' (warm-starting) từ các lần chạy một phần. Điều này có nghĩa là, khi một thuật toán học máy được huấn luyện, nó tạo ra một chuỗi các kết quả trung gian. Các kết quả này tương ứng với các mức độ trung thực khác nhau. Thay vì bắt đầu mỗi lần tìm kiếm siêu tham số từ đầu, thông tin từ các lần chạy một phần trước đó được sử dụng. Nó được sử dụng để khởi tạo mô hình surrogate. Điều này giúp đẩy nhanh quá trình hội tụ. Đặc biệt khi khám phá các siêu tham số tương tự. Bằng cách tận dụng các kết quả đã tính toán, dù không đầy đủ, thuật toán tránh lãng phí. Nó tránh lãng phí tài nguyên tính toán. Điều này làm tăng đáng kể hiệu suất tối ưu hóa tổng thể. Nó cũng giảm thời gian cần thiết để tìm ra các cấu hình tối ưu.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (184 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộGREY-BOX BAYESIAN OPTIMIZATION: IMPROVING PERFORMANCE BY LOOKING INSIDE THE BLACK-BOX A Dissertation Presented to the Faculty of the Graduate School of Cornell University in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy by Saul Toscano Palmerin May 2020 © 2020 Saul Toscano Palmerin ALL RIGHTS RESERVED GREY-BOX BAYESIAN OPTIMIZATION: IMPROVING PERFORMANCE BY LOOKING INSIDE THE BLACK-BOX Saul Toscano Palmerin, Ph. Cornell University 2020 Non-convex time-consuming objectives are often optimized using black-box opti- mization. These approaches assume very little about the objective. While broadly ap- plicable, these approaches typically require more evaluations than methods exploiting more problem structure.
In particular, often, we can acquire information about the ob- jective function in ways other than direct evaluation, which is less time-consuming than evaluating the objective directly. This allows us to develop novel Bayesian optimization algorithms that outperform methods that rely only objective function evaluations. In this thesis, we consider three problems: optimization of sum and integrals of expensive-to- evaluate integrands; optimizing hyperparameters for iteratively trained supervised learn- ing machine learning algorithms; and optimizing non-convex functions with a new effi- cient multistart stochastic gradient descent algorithm. BIOGRAPHICAL SKETCH Saul Toscano Palmerin is a PhD student in the School of Operations Research and In- formation Engineering (ORIE) of Cornell University.
His research focuses on the de- velopment and analysis of Bayesian optimization algorithms, and their application for training machine learning algorithms and optimization via simulation. Previously, from 2016 to 2017, he did a one year internship at Uber as a data scientist, where he worked on pricing and transportation problems. Before joining Cornell, he received a B. de- gree in Mathematics by the Center for Mathematical Research (CIMAT) in Mexico.
iii To my father, Miguel Angel Toscano Medina, who supports me every second of my life. iv ACKNOWLEDGEMENTS First, I would like to thank my advisor, Professor Peter Frazier, for his support, help and guidance. He has been a fundamental mentor, who has taught me the beauty of operations research. I would also like to thank everyone at Cornell in general, and particularly within my department of Operations Research and Information Engineering, for the fantastic intellectual atmosphere they create.
I would particularly like to thank Shane Henderson, David Bindel, and all other faculty for their support. I am grateful to my parents, Marisol Palmerin Cerna and Miguel Angel Toscano Medina, for their love and support, and for teaching me that life is beautiful and in colors. Finally, I thank my wife, Anna Pantielieieva, who is my home. v TABLE OF CONTENTS Biographical Sketch.
v Table of Contents. vi List of Tables. viii List of Figures .1 Gaussian Process Regression .1 Choosing a Mean Function and Kernel. 6 2 Bayesian Optimization with Expensive Integrands 8 2.2 Conceptual Description of the BQO Algorithm .3 Computation of the BQO Algorithm .1 Preliminary Representation of the Value of Information .2 Discretization-Free Computation of the Value of Information and its Gradient .3 Computation and Complexity of the BQO Algorithm .4 Discretized Computation of the Value of Information and its Gradient .4 Asymptotic Analysis for BQO .1 An Analytic Test Problem .2 New York City’s Citi Bike System .3 Optimal Design of an Aircraft .4 Newsvendor Problem under Dynamic Consumer Substitution .6 Problems Simulated from Gaussian Process Priors.
53 3 Practical Multi-fidelity Bayesian Optimization for Hyperparameter Tuning 55 3.2 THE taKG AND taKG0/ ACQUISTION FUNCTIONS .2 Valuing Trace Observations .3 Trace-aware Knowledge Gradient (taKG) .5 Efficiently maximizing taKG and taKG0/ .6 Warm-starting from Partial Runs .7 Batch and Derivative Evaluations .1 Optimizing Synthetic Functions .2 Optimizing Hyperparameters of Neural Nets .3 Optimizing Hyperparameters for Large-scale Kernel Learning. 78 4 Effort Allocation and Statistical Inference for Multistart Stochastic Gradi- ent Descent 79 4.2 The SGD-GP Statistical Model .1 Inference Over M(n) in One-Dimension Given Hyperparameter θ 87 4.2 Inference Over M(n) in Multiple Dimensions, Marginalizing over Hyperparameter θ .3 The Most Likely To Succeed Allocation Rule .1 A Concave Objective Function .2 An Objective Function with Many Local Maxima .3 Objective Function with a Vanishing Gradient .4 The 20-Dimensional Rosenbrock Function. 101 A Proofs for Chapter 2 102 A.1 Proofs of Results in Section 2.2 BQO’s Time and Space Complexity .3 Closed-Form Expressions for the Gaussian and Squared Exponential Kernel Case .4 Illustration of Poor Performance of the Multi-Task Algorithm .5 Consistency of BQO .1 Consistency of BQO for Finite Domains .2 Consistency of BQO for Continuum Domains. 128 B Proofs and Experiments Details for Chapter 3 151 B.2 GPs for Hyperparameter Optimization .3 Additional experimental details .2 Real-world experiments.
158 C Appendix for Chapter 4 159 C.1 SGD Convergence Theorems. 159 vii LIST OF TABLES 2.1 Table of Notation.2 Probability distribution of w = (x2 , x3 ) for the Branin problem from §2. 49 viii LIST OF FIGURES 2.1 Illustration of the BQO algorithm on an analytic test problem after eval- uating F at points chosen uniformly at random in an initial phase of training and n = 9 points chosen by BQO.2 Illustration of a traditional Bayesian optimization algorithm in the same problem setting as Figure 2. The algorithm pictured is the knowledge gradient (KG) method [Frazier et al.
This algorithm evalu- ates G, unlike BQO’s evaluations of F. As a consequence, it tends to provide lower-quality estimates of G within a given sampling budget.3 Performance comparison between BQO and two Bayesian optimization benchmark, the KG and EI methods, on the analytic test problem (2.2, as described in §2.4 Performance results for the Citi Bike problem (plot a), and a screenshot from our simulation of the Citi Bike problem (plot b), as described in §2.5 Performance results for the aircraft problem §2.6 Performance results for the newsvendor problem with dynamic cus- tomer substitution §2. BQO quickly finds initial inventory levels that provide substantially higher profit than competing methods.7 Performance comparison between BQO, the SDE algorithm [Williams et al., 2000], and the multi-task algorithm [Swersky et al., 2013] on the Branin problem from §2.8 Normalized performance difference between BQO and KG in problems simulated from a Gaussian process, as a function of β , which measures how quickly F(x, w) varies with w, the approximate variance reduction ratio A, and the overall number of samples. BQO outperforms KG over most of the parameter space, and is approximately 10 times better when β is near exp(4).1 Optimizing synthetic functions: Plots show simple regret over 40 independent runs for synthetic functions with trace observations and one or two continuous fidelity controls for 2-d Branin, 3-d Rosenbrock, 3-d Hartmann, and 6-d Hart- mann problems.
q indicates batch size for fixed batch-size methods. taKG0 outperforms competitors in both sequential and batch settings.2 We show the validation error for tuning feedforward neural networks on MNIST (each with 20 runs); tuning convolutional neural networks on CIFAR- 10 and SVHN (each with 10 runs); for KISS-GP kernel learning we show -log marginal likelihood divided by the number of datapoints. q indicates batch size for fixed batch-size methods. taKG0/ outperforms competitors in both se- quential and batch settings.1 The SGD-GP statistical model (b) and MLS allocation rule (c) on the problem (a) from §4.
(b) shows that SGD-GP can predict the start’s limiting objective value with high precision after 10 iterations. (c) shows that our policy finds the optimal solution faster than the equal allocation policy.2 The SGD-GP statistical model (b) and MLS allocation rule (c) on the problem (a) from §4. (b) shows that SGD-GP can predict the start’s limiting objective value with high precision after 20 iterations. (c) shows that our policy does better than the other policies after only 8 iterations.3 The SGD-GP statistical model (b) and MLS allocation rule (c) on the problem (a) from §4.
(b) shows that SGD-GP can predict a start’s limiting objective value with high precision after 15 iterations. (c) shows that our policy does better than the other policies after 10 it- erations.4 Performance comparison between MLS , equal allocation, and random allocation using 30 starting points. Our policy does much better than the other policies after only 45 iterations. After only 100 iterations, our policy finds the global optimum while the other policies are far away from a good solution.
This suggests MLS works well on high- dimensional problems where the objective function is noisy. 100 x CHAPTER 1 INTRODUCTION Bayesian optimization algorithms effectively find approximate global optima of non-convex derivative-free time-consuming or expensive-to-evaluate objective func- tions (black-boxes). These objective functions appear when tuning a machine learning algorithm's hyperparameters in deep neural networks [Snoek et al., 2012], designing aircraft [Liem et al., 2014], and choosing parameters in ride-sharing dispatch systems. Bayesian optimization algorithms use Gaussian process regression to build a surrogate for the objective, and an acquisition function, often based on value of information anal- ysis, to choose points at which to evaluate the objective function.
In a variety of important problems, computing the objective function requires per- forming a sequence of steps, and the results from each step provides information about the objective function. While typically time-consuming, performing these steps is less time-consuming than direct evaluations. This opens an opportunity to outperform meth- ods that rely solely on direct objective function evaluations through intelligent choose which steps to perform. In specific, we can use a Bayesian optimization approach, where we use Bayesian statistics to infer the objective function, and value of information anal- ysis to choose points at which to perform those steps.
We refer to this approach as “grey-box” Bayesian optimization. In this thesis, we consider three settings. In chapter 2, based on the papers Toscano-Palmerin and Frazier [2018c, 2016], we consider non-convex derivative-free time-consuming (or “expensive”) objectives that are the sum or integral of a larger number of less time-consuming objectives. These objec- tives arise in designing aircraft, tuning parameters of simulators, and machine learning algorithm's hyperparameters.
We propose a new Bayesian optimization algorithm that leverages this structure to improve performance. Our proposed Bayesian optimization 1 method is average-case optimal by construction when a single evaluation of the inte- grand remains within our evaluation budget, and consistent for objective functions that are sums. In numerical experiments comparing against previous state-of-the-art meth- ods, including those that also leverage sum or integral structure, our method performs as well or better across a wide range of problems and offers significant improvements when evaluations are noisy or the integrand varies smoothly in the integrated variables. In chapter 3, based on the paper Wu et al.
[2019], we consider the problem of tuning hyperparameters for iteratively trained supervised learning models, such as deep neu- ral networks. In these settings, when choosing some hyperparameters to optimize, we can approximate their optimal solution by choosing the training size, validation size, and number of training iterations. By consider approximations, an algorithm can use low-fidelity evaluations to quickly identify a smaller set of promising hyperparameters, and then later focus on more expensive high-fidelity evaluations within this set to refine its estimates. We develop a new efficient Bayesian optimization algorithm that lever- ages the use of fidelity evaluations, and that we observe a full trace of performance with respect to training iterations rather than just a single performance value at the chosen fidelity.
Numerical experiments show that our method outperforms state-of-the-art al- gorithms when tuning feedforward neural networks on MNIST, tuning convolutional neural networks on CIFAR-10 and SVHN, and in large-scale kernel learning. In chapter 4, based on the working journal paper Toscano-Palmerin and Frazier [2019] and Toscano-Palmerin and Frazier [2018b], we propose an allocation rule for multistart stochastic gradient descent methods for non-convex optimization. While these methods are effective for global optimization, they seem to waste computational re- sources: starts often converge to local optima or stationary points that are the same or worse than those found by other starts, failing to produce useful information. We de- 2 velop a rule for allocation computational effort across starts, which uses computation more efficiently by allocation more resources to the most promising starts.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Saul Toscano Palmerin (2020). Grey-Box Bayesian Optimization: Cải thiện hiệu suất [Luận án tiến sĩ, Cornell University]. LuanAn.net. https://luanan.net/quan-ly-giao-duc/quan-ly-giao-duc-pho-thong/grey-box-bayesian-optimization-cai-thien-hieu-suat
Câu hỏi thường gặp
Luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" nghiên cứu về vấn đề gì?
Luận án: Toscanopalmerin cornellgrad 0058f 11869. Xem tóm tắt và tải về tại LuanAn.net
Luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Cornell University. Năm bảo vệ: 2020.
Luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" thuộc chuyên ngành gì?
Luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" thuộc chuyên ngành Operations Research and Information Engineering. Danh mục: Quản Lý Giáo Dục Phổ Thông.
Luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" có bao nhiêu trang?
Luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" có 184 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Grey-Box Bayesian Optimization: Cải thiện hiệu suất" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.