În această prelegere pentru cursul de optimizare a proiectării inginerești AA 222 / CS 361 de la Stanford, ne aprofundăm în complexitatea optimizării surogat probabilistic. Conținutul acoperă metodologii cheie, inclusiv dezvoltarea și utilizarea modelelor surogat pentru optimizarea eficientă a proiectelor de inginerie complexe. Aceste modele cuprinzătoare sunt prezentate ca instrumente critice pentru evaluarea și îmbunătățirea performanțelor de proiectare. Prelegerea pune, de asemenea, accent pe aplicarea metodelor probabilistice pentru gestionarea incertitudinii și îmbunătățirea procesului decizional în procesul de proiectare.
Schema cursului
Selectarea modelului surogat
Modele probabilistice surogat
Distribuții gaussiene
Procese gaussiene
Previziune
Măsurători zgomotoase
Ajustarea proceselor gaussiene
Optimizare surogat
Explorare
Bazat pe predicții
Bazat pe erori
Limită inferioară a încrederii
Probabilitatea de îmbunătățire
Îmbunătățirea așteptată
Caiet: https://github.com/josh0tt/SurrogateOptimization
Vezi site-ul cursului: https://aa222.stanford.edu/
Cursuri interesante:
- Rețele Bayesiene 1 – Inferență | Stanford CS221: AI (toamna 2019)
- Stanford XCS224U: NLU I Introducere și evoluție a înțelegerii limbajului natural, Pt. 1 I primăvara 2023
- Stanford XCS224U: Înțelegerea limbajului natural I Prezentare generală a cursului, Partea 2 I Primăvara 2023
- Stanford XCS224U: NLU I Prezentarea cercetării dvs., Partea 3: Prezentarea conferinței NLP I Primăvara 2023
- Cursuri SEO, Cursuri SEO Online
- Stanford CS224W: Învățare automată cu grafice | 2021 | Curs 6.3 – Deep Learning for Graphs
- Stanford CS330 I Pre-formare nesupravegheată: Învățare contrastantă l 2022 I Cursul 7
- Stanford AA228/CS238 Luarea deciziilor în condiții de incertitudine I Estimarea și optimizarea gradului de politică
- Regresie ponderată local și logistică | Stanford CS229: Machine Learning – Cursul 3 (toamna 2018)
- Stanford CS224N: NLP cu Deep Learning | Iarna 2021 | Cursul 1 – Vectori introductive și cuvinte