Компьютерные науки > Машинное обучение [представлено 15 сентября 2026 года] Название: Сокращение использования космического пространства для мультифидильной оптимизации моделей моделирования процессов Вид PDF HTML (экспериментальный) резюме. Для решения этих задач мы представляем рамки для оптимизации с использованием различных видов измерений (RS-MFBO) в сокращенном пространстве, разработанные для высокомерных и дорогостоящих функций черного ящика. Этот подход сочетает глобальный анализ чувствительности (ГСА) в целях сокращения масштабов с гассианским процессом, учитывающим корреляцию между низкозатратными аппроксимациями и дорогостоящими оценками высокой достоверности. Стратегия приобретения с учетом расходов, дополненная механизмами охлаждения и поощрения, адаптативно определяет распределение образцов по всем реальностям. Эта основа проверяется на двух отдельных промышленных симуляторах: плазмидном биопроцессе ДНК в SuperPro Designer и зеленом заводе синтеза топлива в Aspen HYSYS. Результаты различных экономических и физических целей свидетельствуют о том, что предлагаемый метод существенно сокращает число оценок с высокой степенью достоверности при сохранении конкурентоспособности в области оптимизации по сравнению с базовыми показателями с одной достоверностью. Эти результаты подчеркивают значение RS-MFBO как масштабируемого, имитирующего агностического подхода к оптимизации черного ящика с учетом затрат. История представления: Niki Triantafylulu [видение электронной…
Множественная оптимизация моделей моделирования процессов в сокращенном космосе
arXiv: 2609.17440v1 Annualte Type: New Humber: Оптимизация промышленных технологических потоков часто является непомерно недоступной из-за высокой стоимости жесткого моделирования и проклятия размерности, присущих сложным проектным пространствам. Для решения этих задач мы представляем рамки для оптимизации с использованием различных видов измерений (RS-MFBO) в сокращенном пространстве, разработанные для высокомерных и дорогостоящих функций черного ящика. Этот подход сочетает глобальный анализ чувствительности (ГСА) в целях сокращения масштабов с гассианским процессом, учитывающим корреляцию между низкозатратными аппроксимациями и дорогостоящими оценками высокой достоверности. Стратегия приобретения с учетом расходов, дополненная механизмами охлаждения и поощрения, адаптативно определяет распределение образцов по всем реальностям. Эта основа проверяется на двух отдельных промышленных симуляторах: плазмидном биопроцессе ДНК в SuperPro Designer и зеленом заводе синтеза топлива в Aspen HYSYS. Результаты по различным экономическим и фитосанитарным аспектам