Video 1: Domanda sui casi d'uso dell'ottimizzazione bayesiana
Victor: Magari potremmo condividere le funzioni di acquisizione presenti sulla piattaforma e iniziare a spiegarle?
Yuliana: Ho notato che l'IA agentica propone una sorta di DOE surrogato + processo gaussiano come flusso di lavoro di apprendimento attivo per la sperimentazione. Ho ancora l'impressione che BayesOpt su JMP offra prestazioni migliori se vogliamo andare più veloci, e non riesco ancora a capire perché... probabilmente ci sono più funzioni di acquisizione.
Risposta: Dipende anche dalla configurazione del processo gaussiano e dall'efficacia delle funzioni di acquisizione utilizzate dal team JMP.
Video 2: Possibile caso d'uso dell'ottimizzazione bayesiana
Victor: D, non esitare a combinare approcci diversi: inizia con piccoli DOE e continua con BO, ad esempio. Potrebbe non essere appropriato con il blocco o il blocco con l'iterazione.
Collegamenti:
Video 3: DoE vincolato - combinazioni non consentite, restrizioni sulle risposte, covariate
Victor: Se non hai fattori difficili da modificare e hai più esecuzioni per batch, potresti usare la colonna "iterazione" come blocco quando esegui un modello di regressione.
È possibile modificare la definizione dei fattori? Invece di avere X1 e X2 e un vincolo sul rapporto, si potrebbero usare il rapporto e la quantità totale come fattori?
Yuliana: Il rapporto è un vincolo lineare (sistema di 2 equazioni lineari)?
A volte utilizzo come fattori (al posto di fattori reali) risposte che si possono ottenere rapidamente per modellare risposte più complesse
Collegamenti:
