实验设计几乎是所有研究学科的标志。在许多场景中,一个重要的挑战是如何在大型行动/设计空间中自动设计实验。此外,这种程序的适应性也很重要,即适应之前实验的结果。在这次演讲中,我将描述在自适应实验设计中使用数据驱动算法技术的最新进展,也被称为主动学习和机器学习社区中的贝叶斯优化。基于高斯过程(GP)框架,我将描述个性化临床治疗和纳米光子结构设计中的案例研究。在这些应用的驱动下,我将展示如何将现实世界的考虑因素,如安全、偏好启发和多逼真度实验设计纳入GP框架,并使用新的算法、理论保证和经验验证。如果时间允许,我还将简要概述一些其他案例研究。

视频: https://www.youtube.com/watch?v=yZOb8Y-pUCMa&feature=youtu.be

成为VIP会员查看完整内容
18

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
【哥伦比亚大学】金融大数据与人工智能,90页PPT
专知会员服务
58+阅读 · 2020年12月27日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
189+阅读 · 2020年12月12日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
94+阅读 · 2020年10月18日
普林斯顿大学经典书《在线凸优化导论》,178页pdf
专知会员服务
183+阅读 · 2020年2月3日
Arxiv
0+阅读 · 2021年3月22日
Self-Attention Graph Pooling
Arxiv
5+阅读 · 2019年4月17日
A Multi-Objective Deep Reinforcement Learning Framework
VIP会员
微信扫码咨询专知VIP会员