No-regret constrained Bayesian optimization of noisy and expensive hybrid models using differentiable quantile function approximations
No-regret constrained Bayesian optimization of noisy and expensive hybrid models using differentiable quantile function approximations
复制标题
使用可微分位数函数近似对噪声和昂贵的混合模型进行无遗憾约束贝叶斯优化
DOI：
10.1016/j.jprocont.2023.103085
复制
发表时间：
2023
影响因子：
4.2
通讯作者：
Paulson, Joel A.
中科院分区：
文献类型：
--
作者：
Lu, Congwen;Paulson, Joel A.
