Gaussian optimization for deep learning in observational data

Mikaeil Ahmadi¹ Seyed abolfazl Hosseini²

Abstract :
In this article, we examine Gaussian relationships with a deep learning approach and describe the methods used for optimization. We introduce the black box method and ways to optimize it, and we explain the REMBO method and its problems. And about time and its effects on the Gaussian process of Bandit optimization

Keywords : gaussian optimization deep learning observational data

---

زبان مقاله : انگلیسی
محور مقاله : علوم مهندسی
محل انتشار : دومین کنگره بین المللی علوم و مهندسی - پاریس
آدرس وب سایت کنفرانس : parisconf.com
کد IOI مقاله : XCAZ-EHKAD
لینک مستقیم مقاله : https://isnac.ir/XCAZ-EHKAD

سایر مقالات ارائه دهنده

1. Gaussian optimization for deep learning in observational data

سایر مقالات محل انتشار

1. Radioactive wastewater and solutions: an Important challenge for humans and environment
2. Infinite Universes, Pshi Unit & Goopn Hypothesis
3. Analysis of weight on bit on torsional stick/slip vibration of drill string
4. بررسی آرای ترافعی دیوان بین المللی دادگستری درتوسعه حقوق بشر
5. نگاه کلی مدیریت یکپارچه شهری با ابعاد زیست محیطی و نقش آموزش فناوری اطلاعات در کاهش چالش زیست محیطی با تاکید بر توسعه پایداری شهری
6. طراحی مجتمع مسکونی با رویکرد صفر انرژی ZEB و تکیه بر سامانه های غیر فعال خورشیدی
7. Reinforcing building adobe by Laser Shock technology and thermal retrofitting
8. بررسی تأثیر فاکتورهای سبک بخشودگی برشادکامی زنان متأهل دانشجو
9. مدیریت پسماند و تولید بیوگاز
10. Classification of Sentinel-2 satellite imagery in Iran for geological purposes using deep convolutional neural networks: a case study for soil type identification
11. بررسی و ارزیابی رسوب آسفالتین در مخازن نفتی
12. The Effect of a Nasm Method (American Academy of Sports Medicin )Range of genu varum in Players of the Paleolithic team in Tabriz city
13. Preparation of 6-mercaptopurine Imprinted hydrophilic Nanospheres as Novel Drug Delivery System
14. ساخت کرم سلولی ضد آفتاب گیاهی با استفاده از سرم خون انسانی
15. Synthesis of molecularly imprinted polymers for the application of selective Vindesine as Novel Drug Delivery System