112 подписчиков
Ученые предложили метод поиска лучшей функции для оптимизации машинного обучения
Исследователи Центра искусственного интеллекта МГУ имени М.В. Ломоносова (ЦИИ МГУ) предложили новый подход для моделирования выбора модели среди множества кандидатных вариантов при ограниченном вычислительном бюджете. Результаты исследования представлены на международной конференции AAMAS 2026.
При обучении сложных моделей машинного обучения зачастую априори неизвестно, какая именно архитектура или конфигурация гиперпараметров дадут наилучший результат. Авторы предложили алгоритм F-LCB, который сочетает стратегию выбора кандидатов с последовательным уточнением оценки оптимума функции. Численные эксперименты подтвердили эффективность предложенной методики.
«Наш подход объединяет методы для задач о «многоруких бандитах» и алгоритмов нелинейной оптимизации. Это позволяет одновременно выбирать перспективные функции и уточнять оценки их оптимальных параметров», — прокомментировал Юрий Дорн, руководитель научной группы «Онлайн оптимизации и приложения» Института ИИ МГУ, старший научный сотрудник Центра ИИ МГУ.
Около минуты
9 июля