Исследователи МГУ им. М.В. Ломоносова создали алгоритм F-LCB для подбора модели машинного обучения при ограниченном вычислительном бюджете. Он по мере обучения нескольких конкурентных вариантов определяет тот, который будет работать лучше других.

Метод сочетает стратегию подбора кандидатов с последовательным уточнением оценки качества работы ИИ-решений. Он использует информацию о ранее полученных значениях функций и постепенно концентрирует вычисления на наиболее перспективных вариантах.

Как объяснили ученые, при обучении сложных ML-моделей неизвестно, какая архитектура или конфигурация гиперпараметров дадут лучший результат. Полный перебор всех вариантов требует значительных вычислительных ресурсов.

Препринт статьи опубликован на сайте arXiv.

В мае в МГУ им. М.В. Ломоносова предложили метод оптимизации запросов к базам данных с помощью ИИ.