Краткое содержание

arXiv:2511.12783v1 Тип анонса: cross Аннотация: Байесовская оптимизация (BO) широко используется для оптимизации дорогостоящих и не имеющих градиента целевых функций в различных областях. Однако существующие методы BO не рассматривали случай, когда как входы, так и выходы являются функциями, что всё чаще возникает в сложных системах с развитием технологий измерения. Чтобы заполнить этот пробел, мы предлагаем новую структуру байесовской оптимизации «функция-на-функцию» (FFBO). В частности, мы сначала вводим модель гауссовского процесса «функция-на-функцию» (FFGP) с сепарабельным операторнозначным ядром для учета корреляций между функциональными входами и выходами. По сравнению с существующими моделями гауссовских процессов, FFGP моделируется непосредственно в функциональном пространстве. На основе FFGP мы определяем скалярную функцию приобретения верхней доверительной границы (UCB), используя стратегию скаляризации на основе взвешенного оператора. Затем разрабатывается масштабируемый алгоритм функционального градиентного подъема (FGA) для эффективного определения о