預期子空間改進

深度分析

ESSI：在高維與大批次情境下加速批次貝葉斯最佳化

隨著平行運算需求提升，研究提出以子空間抽樣的批次貝葉斯最佳化方法，利用預期子空間改進指標在多子空間同時選點，實驗顯示相較於序列版可達近線性加速，且在八種先進批次演算法中表現優異，此方法僅需簡單的子空間劃分與同時優化，避免了傳統人工函數累積誤差，對大規模平行環境特別友善。