Zobrazeno 1 - 10
of 11 063
pro vyhledávání: '"Derivative-free Optimization"'
Derivative-free optimization (DFO) is vital in solving complex optimization problems where only noisy function evaluations are available through an oracle. Within this domain, DFO via finite difference (FD) approximation has emerged as a powerful met
Externí odkaz:
http://arxiv.org/abs/2411.00112
Autor:
Zhang, Qi, Xie, Pengcheng
Derivative-free optimization (DFO) is a method that does not require the calculation of gradients or higher-order derivatives of the objective function, making it suitable for cases where the objective function is non-differentiable or the computatio
Externí odkaz:
http://arxiv.org/abs/2407.17529
Autor:
Martinez, Rafael Perez, Iwamoto, Masaya, Woo, Kelly, Bian, Zhengliang, Tinti, Roberto, Boyd, Stephen, Chowdhury, Srabanti
In this paper, we address the problem of compact model parameter extraction to simultaneously extract tens of parameters via derivative-free optimization. Traditionally, parameter extraction is performed manually by dividing the complete set of param
Externí odkaz:
http://arxiv.org/abs/2406.16355
In this work, we propose a heuristic based open source solver for finding global solution to constrained derivative-free optimization (DFO) problems. Our solver named Global optimization using Surrogates for Derivative-free Optimization (GSDO) relies
Externí odkaz:
http://arxiv.org/abs/2404.18080
In this paper, we present a novel derivative-free optimization framework for solving unconstrained stochastic optimization problems. Many problems in fields ranging from simulation optimization to reinforcement learning involve settings where only st
Externí odkaz:
http://arxiv.org/abs/2404.11893
We propose a novel algorithm that extends the methods of ball smoothing and Gaussian smoothing for noisy derivative-free optimization by accounting for the heterogeneous curvature of the objective function. The algorithm dynamically adapts the shape
Externí odkaz:
http://arxiv.org/abs/2405.01731
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Parameter-efficient tuning methods such as LoRA could achieve comparable performance to model tuning by tuning a small portion of the parameters. However, substantial computational resources are still required, as this process involves calculating gr
Externí odkaz:
http://arxiv.org/abs/2403.01754