PyBADS: Fast and robust black-box optimization in Python

要約

PyBADS は、高速かつ堅牢なブラックボックス最適化のためのベイジアン適応直接検索 (BADS) アルゴリズムの Python 実装です (Acerbi および Ma 2017)。
BADS は、目的関数が粗く (凸でなく滑らかではない)、やや高価で (たとえば、関数の評価に 0.1 秒以上かかる)、おそらくノイズが多く、勾配情報が複雑な場合に、困難な最適化問題を効率的に解決するように設計された最適化アルゴリズムです。
利用できません。
BADS を使用すると、これらの問題が適切に解決されるため、最尤推定などの方法を使用して計算モデルをフィッティングする場合に最適です。
このアルゴリズムは、最大 $D \約 20$ の連続入力パラメーターを使用してブラックボックス関数に効率的に拡張し、境界または制約なしをサポートします。
PyBADS には、アルゴリズムを実行してその結果を検査するための使いやすい Python インターフェイスが付属しています。
PyBADS では、ユーザーがターゲット関数を評価するための Python 関数と、オプションでその他の制約を指定することのみが必要です。
人工的なテスト問題と、認知、行動、計算神経科学から導かれた大規模な実際のモデル適合問題モデルの広範なベンチマークは、BADS が他の多くの一般的な最先端のオプティマイザー (Acerbi と Ma) と同等かそれ以上のパフォーマンスを発揮することを示しています。
2017)、高速かつ堅牢なソリューションを提供する汎用モデル フィッティング ツールとなっています。

要約(オリジナル)

PyBADS is a Python implementation of the Bayesian Adaptive Direct Search (BADS) algorithm for fast and robust black-box optimization (Acerbi and Ma 2017). BADS is an optimization algorithm designed to efficiently solve difficult optimization problems where the objective function is rough (non-convex, non-smooth), mildly expensive (e.g., the function evaluation requires more than 0.1 seconds), possibly noisy, and gradient information is unavailable. With BADS, these issues are well addressed, making it an excellent choice for fitting computational models using methods such as maximum-likelihood estimation. The algorithm scales efficiently to black-box functions with up to $D \approx 20$ continuous input parameters and supports bounds or no constraints. PyBADS comes along with an easy-to-use Pythonic interface for running the algorithm and inspecting its results. PyBADS only requires the user to provide a Python function for evaluating the target function, and optionally other constraints. Extensive benchmarks on both artificial test problems and large real model-fitting problems models drawn from cognitive, behavioral and computational neuroscience, show that BADS performs on par with or better than many other common and state-of-the-art optimizers (Acerbi and Ma 2017), making it a general model-fitting tool which provides fast and robust solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google