Мене цікавить максимізація функції , де .θ ∈ R p
Проблема полягає в тому, що я не знаю аналітичної форми функції чи її похідних. Єдине, що я можу зробити - це оцінити функцію точково, додавши значення і отримати оцінку NOISY у цій точці. Якщо я хочу, я можу зменшити мінливість цих оцінок, але мені доведеться оплачувати зростаючі обчислювальні витрати. * F ( θ * )
Ось що я спробував поки що:
Стохастичний найкрутіший спуск з кінцевими відмінностями: він може працювати, але для цього потрібна велика настройка (наприклад, послідовність посилення, коефіцієнт масштабування), і це часто дуже нестабільно.
Імітований відпал: він працює і є надійним, але він вимагає безлічі оцінок функцій, тому я знайшов це досить повільно.
Тому я прошу пропозиції / ідеї щодо можливого альтернативного методу оптимізації, який може працювати в цих умовах. Я тримаю проблему якомога загальнішою для того, щоб заохочувати пропозиції з науково-дослідних напрямків, відмінних від моєї. Треба додати, що мене дуже зацікавив би метод, який міг би дати мені оцінку Гессі при конвергенції. Це тому, що я можу використовувати його для оцінки невизначеності параметрів . Інакше мені доведеться використовувати кінцеві відмінності навколо максимуму, щоб отримати оцінку.