Candelieri antonio (6 Ergebnisse)
Sprache: Englisch
Verlag: Springer, 2019
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 71,64
EUR 13,98 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Multiple Information Source Bayesian Optimization
Candelieri, Antonio/ Ponti, Andrea/ Archetti, Francesco/ Sabatella, Antonio (Contributor)
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 76,08
EUR 11,67 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. 111 pages. 9.26x6.11x9.21 inches. In Stock.
Sprache: Englisch
Verlag: Springer Verlag, 2019
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 96,77
EUR 11,67 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. 126 pages. 9.25x6.25x0.50 inches. In Stock.
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 53,49
EUR 60,92 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - The book provides a comprehensive review of multiple information sources and multi-fidelity Bayesian optimization, specifically focusing on the novel 'Augmented Gaussian Process' methodology. The book is important to clarify the relations and the imp…ortant differences in using multi-fidelity or multiple information source approaches for solving real-world problems. Choosing the most appropriate strategy, depending on the specific problem features, ensures the success of the final solution. The book also offers an overview of available software tools: in particular it presents two implementations of the Augmented Gaussian Process-based Multiple Information Source Bayesian Optimization, one in Python -- and available as a development branch in BoTorch -- and finally, a comparative analysis against other available multi-fidelity and multiple information sources optimization tools is presented, considering both test problems and real-world applications.The book will be useful to two main audiences:1. PhD candidates in Computer Science, Artificial Intelligence, Machine Learning, and Optimization2. Researchers from academia and industry who want to implement effective and efficient procedures for designing experiments and optimizing computationally expensive experiments in domains like engineering design, material science, andbiotechnology.
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 50,40
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Multiple Information Source Bayesian Optimization | Antonio Candelieri (u. a.) | Taschenbuch | SpringerBriefs in Optimization | xii | Englisch | 2025 | Springer | EAN 9783031979644 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]sp…ringer[dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer International Publishing, Springer International Publishing, 2019
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 69,54
EUR 61,12 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This volume brings together the main results in the field of Bayesian Optimization (BO), focusing on the last ten years and showing how, on the basic framework, new methods have been specialized to solve emerging problems from machine learning, artif…icial intelligence, and system optimization. It also analyzes the software resources available for BO and a few selected application areas. Some areas for which new results are shown include constrained optimization, safe optimization, and applied mathematics, specifically BO's use in solving difficult nonlinear mixed integer problems.The book will help bring readers to a full understanding of the basic Bayesian Optimization framework and gain an appreciation of its potential for emerging application areas. It will be of particular interest to the data science, computer science, optimization, and engineering communities.
