動的ランダム特徴ガウス過程による時間変化関数のベイズ最適化

ベイズ最適化（BO）は、コストのかかるブラックボックス関数を最適化するための人気のアプローチであり、関数の統計的代理モデルに基づいて新しいクエリポイントを選択し、パラメータ空間の探索と利用のバランスを取ります。BOに関する研究のほとんどは、関数が時間とともに変化しない時間不変設定に焦点を当ててきました。最近、非定常関数を扱うための時間変化BO（TV-BO）フレームワークが導入されました。本研究では、動的ランダム特徴に基づくガウス過程（DRF-GPs）を用いたTV-BOを探求します。これらの過程は、線形モデルのパラメータベクターを進化させることによって、未知の関数の非定常性を捕捉します。我々は、時間にわたって合理的な探索-利用トレードオフを持つ取得関数を生成する進化メカニズムを提案します。その結果得られたアルゴリズムを、トイ例と合成データを用いたローカリゼーション問題に対するTV-BOベースラインアルゴリズムと比較します。