NeurIPS 2020 论文推荐丨基于加权再训练方法的深度生成模型潜在空间样本效率优化

论文名称：Sample-Efficient Optimization in the Latent Space of Deep Generative Models via Weighted Retraining

推荐理由：科学和工程中的许多重要问题，如药物设计，涉及在复杂、高维和结构化的输入空间上优化一个代价高昂的黑盒目标函数（black-box objective function）。虽然机器学习技术在解决这类问题中表现出了前景，但现有的方法实质上缺乏样本效率。作者引入了一种改进的高效黑盒优化方法，该方法在深度生成模型学习得到的低维、连续潜流形（latent manifold）中执行优化。与之前的方法相比，作者主动引导生成模型，以维持一个对高效优化目标具有意义的潜流形。作者通过定期对生成模型沿优化轨迹查询的数据点进行再训练，以及根据目标函数值对这些数据点进行加权来实现上述任务。这种加权再训练的方法可以很容易地在现有方法的基础上实现，并且经验表明，在人工合成和现实世界真实的优化问题上，再训练可以显著提高其效率和性能。

论文链接：https://www.aminer.cn/pub/5ee9f15b91e01152af022e7c/?conf=neurips2020

会议链接：https://www.aminer.cn/conf/neurips2020

订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notification

#论文# #AMiner# #NeurIPS 2020#