模型不确定性校准的专家乘积高斯过程 / Uncertainty-Calibrated Product-of-Experts Gaussian Process

GP-pro-c

一种基于专家乘积的高斯过程代理模型，通过添加不确定性校准步骤来修正标准POE的过度自信问题。它专为大规模贝叶斯优化设计，能与信赖域机制结合，提供更稳健的采集函数决策。

时间轴 (近 90 天)

11月3日

论文提出了一种名为 BO-pro-c-tr 的算法，使用带不确定性校准的专家乘积高斯过程（GP-pro-c）来重构大规模贝叶斯优化的范式。

待验证50%

11月3日

论文提出的“一对多关联策略”允许一个 GP-pro-c 代理模型支撑多个信赖域，从而解耦调度层与建模层。

待验证50%

论文提出了一种名为 BO-pro-c-tr 的算法，使用带不确定性校准的专家乘积高斯过程（GP-pro-c）来重构大规模贝叶斯优化的范式。

论文提出的“一对多关联策略”允许一个 GP-pro-c 代理模型支撑多个信赖域，从而解耦调度层与建模层。