{"id":28759,"date":"2025-12-08T09:14:51","date_gmt":"2025-12-08T09:14:51","guid":{"rendered":"https:\/\/lamarr-institute.org\/?post_type=event&p=28759"},"modified":"2025-12-08T09:23:38","modified_gmt":"2025-12-08T09:23:38","slug":"ki-kolloquium-mit-prof-jin-xu-zum-thema-bayesianische-optimierung-mittels-exakter-strafen","status":"publish","type":"event","link":"https:\/\/lamarr-institute.org\/de\/events\/ki-kolloquium-mit-prof-jin-xu-zum-thema-bayesianische-optimierung-mittels-exakter-strafen\/","title":{"rendered":"KI-Kolloquium mit Prof. Jin Xu zum Thema Bayesianische Optimierung mittels exakter Strafen"},"content":{"rendered":"\n

Am Mittwoch, dem 17. Dezember, h\u00e4lt Prof. Jin Xu von der East China Normal University<\/a> einen Vortrag im Rahmen des KI-Kolloquiums des Lamarr-Instituts zum Thema \u201eBayesianische Optimierung mittels exakter Strafen\u201c.<\/p>\n\n\n\n

\u00dcber das KI-Kolloquium:<\/strong><\/p>\n\n\n\n

Das vom Lamarr-Institut, dem \u00a0Research Center Trustworthy Data Science and Security (RC Trust)<\/a> und dem\u00a0Research Center Trustworthy Data Science and Security (RC Trust)<\/a> organisierte KI-Kolloquium bietet f\u00fchrenden Forschern eine Plattform, um bahnbrechende Arbeiten auf dem Gebiet des maschinellen Lernens und der k\u00fcnstlichen Intelligenz vorzustellen. Im Gegensatz zu anderen Kolloquien konzentrieren sich diese 90-min\u00fctigen Veranstaltungen auf interaktiven Dialog und internationale Zusammenarbeit und umfassen einst\u00fcndige Vortr\u00e4ge und 30-min\u00fctige Fragerunden. Das KI-Kolloquium wird haupts\u00e4chlich in englischer Sprache abgehalten. Das hybride Format des Kolloquiums gew\u00e4hrleistet, dass alle Interessierten entweder pers\u00f6nlich oder online \u00fcber Zoom<\/a> teilnehmen k\u00f6nnen.<\/p>\n\n\n\n

\u00dcber den Vortrag von Prof. Jin Xu:<\/strong><\/p>\n\n\n\n

Optimierungsprobleme mit Nebenbedingungen stellen eine Herausforderung dar, wenn die Zielfunktion und die Nebenbedingungen nicht konvex sind und ihre Bewertung aufwendige Black-Box-Simulationen erfordert. In letzter Zeit haben sich hybride Optimierungsmethoden, die statistische Ersatzmodellierung mit numerischen Optimierungsalgorithmen kombinieren, als vielversprechend erwiesen, da sie die Eigenschaften der globalen Konvergenz aus der statistischen Ersatzmodellierung und die schnelle lokale Konvergenz aus numerischen Optimierungsalgorithmen \u00fcbernehmen. Die Recheneffizienz entspricht jedoch nicht den praktischen Anforderungen bei begrenzten Budgets und bei Vorliegen von Gleichheitsbeschr\u00e4nkungen. In diesem Artikel schlagen wir eine neuartige hybride Optimierungsmethode vor, die als \u201eExact Penalty Bayesian Optimization\u201d (EPBO) bezeichnet wird und die Bayes’sche Optimierung innerhalb des Exact-Penalty-Rahmens einsetzt. Wir modellieren die zusammengesetzte Strafungsfunktion durch eine gewichtete Summe von Gau\u00df-Prozessen, wobei die qualitativen Komponenten der Beschr\u00e4nkungsverletzungen durch ihre pr\u00e4diktiven Mittelwerte gegl\u00e4ttet werden. Die vorgeschlagene Methode zeichnet sich aus durch (i) geschlossene Erfassungsfunktionen, (ii) Robustheit gegen\u00fcber anf\u00e4nglichen Entw\u00fcrfen, (iii) die F\u00e4higkeit, von unm\u00f6glichen Punkten auszugehen, und (iv) die effektive Handhabung von Gleichheitsbeschr\u00e4nkungen. Wir demonstrieren die \u00dcberlegenheit von EPBO gegen\u00fcber den modernsten Konkurrenzprodukten anhand einer Reihe von synthetischen Benchmark-Testproblemen und zwei realen technischen Konstruktionsproblemen.<\/p>\n\n\n\n

\u00dcber den Votragenden <\/strong><\/p>\n\n\n\n

Jin Xu ist Professor f\u00fcr Statistik an der Fakult\u00e4t f\u00fcr Statistik der East China Normal University. Er promovierte an der Bowling Green State University. Seine Forschungsinteressen umfassen statistische Methoden in klinischen Studien, Bayes’sche Methoden und sequenzielle Designs. Seine Forschungsgebiete umfassen klinische Studien, Biostatistik und multivariate Analysen.
<\/p>\n","protected":false},"excerpt":{"rendered":"

Am Mittwoch, dem 17. Dezember, h\u00e4lt Prof. Jin Xu von der East China Normal University einen Vortrag im Rahmen des KI-Kolloquiums des Lamarr-Instituts zum Thema \u201eBayesianische Optimierung mittels exakter Strafen\u201c. \u00dcber das KI-Kolloquium: Das vom Lamarr-Institut, dem \u00a0Research Center Trustworthy Data Science and Security (RC Trust) und dem\u00a0Research Center Trustworthy Data Science and Security (RC Trust) organisierte KI-Kolloquium bietet f\u00fchrenden Forschern eine Plattform, um bahnbrechende Arbeiten auf dem Gebiet des […]<\/p>\n","protected":false},"author":27,"featured_media":11852,"parent":0,"menu_order":0,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[177],"tags":[1643],"class_list":["post-28759","event","type-event","status-publish","format-standard","has-post-thumbnail","hentry","category-bildung","tag-event-de"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/event\/28759","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/event"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/event"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/27"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/event\/28759\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/11852"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=28759"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/categories?post=28759"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/tags?post=28759"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}