Абсолютно последовательный регресс в гауссианском процессе для изучения преференций

arXiv: 2610.19391v1 Annualce Type: New Humber Abstract: Мы изучаем проблемы непрерывной глобальной оптимизации, в которых объективная функция не может быть непосредственно оценена; мы наблюдаем только то, какие из двух выбранных конструктивных точек, как представляется, лучше функционируют при условии шума. Такие сопоставления осложняют использование регрессии Гауссианского процесса, поскольку они дают задние заголовки негаусских процессов. Мы рассматриваем полное последовательное приближение, основанное на мгновении, которое дает быструю закрытую форму обновления среднего и ковариума метамодели. Затем мы предлагаем DOVE - политику полного последовательного отбора, которая сочетает критерий получения информации с случайным выборкой для контроля накопления ошибок. При достаточно стандартных условиях регулярности мы доказываем, что коэффициенты конвергенции как для статистической ошибки, так и ожидаем простого сожаления, которое зависит от бесперебойности ядра. Насколько нам известно, это первые такие ставки для полностью последовательных примерно байесовских выводов в рамках непрерывной глобальной оптимизации.