功能性貝葉斯優化

深度分析

Min–Max Functional Bayesian Optimization（MM-FBO）：以FPCA與GP代理最小化最大點誤差

許多科學與工程場景的輸出為函數值而非單一標量。本文提出一種以最大點誤差為目標的功能性貝葉斯優化框架MM-FBO，以FPCA降維，對主成分分數建高斯過程代理，平衡最壞誤差的利用與跨域探索的不確定度。實驗在合成與物理驅動案例中顯示，MM-FBO在最壞情況表現優於既有基線，凸顯建模函數不確定度的必要。