贝叶斯优化(BO)是黑盒优化的有效工具,其中目标函数评估通常非常昂贵。在实践中,目标函数的低保真度近似值通常是可用的。最近,多保真贝叶斯优化(MFBO)引起了人们的关注,因为它可以通过使用那些更便宜的观测来显着加速优化过程。我们提出了一种新的MFBO信息理论方法。基于信息的方法在BO中很受欢迎,但是基于信息的MFBO的现有研究受到难以准确估计信息增益的困扰。 Ourapproach基于一种基于信息的BO变体,称为最大值熵搜索(MES),它极大地便于评估MFBO中的信息增益。实际上,我们的采集函数的计算是在分析上编写的,除了一维积分和采样之外,可以有效和准确地计算。我们通过使用合成和基准数据集证明了我们方法的有效性,并进一步展示了材料科学数据的实际应用。
translated by 谷歌翻译
开发可以用多种语言交谈的会话系统对于自然语言处理来说是一个有趣的挑战。在本文中,我们介绍了多语言的收件人和回应选择。在此任务中,对话系统以多种语言预测输入消息的适当收件人和响应。开发这种多语言响应系统的关键是如何利用高资源语言数据来补偿低资源语言数据。我们提出了几种会话系统的知识转移方法。为了评估我们的方法,我们创建了一个新的多语言对话数据集。数据集上的实验证明了我们的方法的有效性。
translated by 谷歌翻译