One important thing here is that th

One important thing here is that the algorithm often ”forgets” previously evaluated solutions, assuming that all important information is already stored in the θ hyper-parameters. However, the latter assumption is usually too strong, and most algorithms actually lose very important information, taking into account only the recently evaluated candidate so lutions. This is a fundamental basis for learning an approximation or surrogate model fˆ of f from a set of selected previously evaluated individuals, called training points/individuals.

Kết quả (Việt) 1:

Một trong những điều quan trọng ở đây là rằng các thuật toán thường "quên" trước đây đã đánh giá các giải pháp, giả định rằng tất cả các thông tin đã được lưu trữ trong các siêu-θ tham số quan trọng. Tuy nhiên, các giả định sau này thường quá mạnh, và hầu hết các thuật toán thực sự mất thông tin rất quan trọng, tham gia vào tài khoản chỉ các ứng cử viên mới đánh giá như vậy lutions. Đây là cơ sở căn bản cho việc học tập một xấp xỉ hoặc thay thế mô hình fˆ của f từ một tập hợp các lựa chọn trước đó đánh giá cá nhân, được gọi là đào tạo điểm/cá nhân.

Kết quả (Việt) 2:

Một điều quan trọng ở đây là các thuật toán thường "quên" các giải pháp đánh giá trước đây, giả định rằng tất cả các thông tin quan trọng đã được lưu trữ trong các θ siêu tham số. Tuy nhiên, giả thiết sau này thường là quá mạnh, và hầu hết các thuật toán thực sự mất thông tin rất quan trọng, có tính chỉ các ứng cử viên gần đây được đánh giá rất lutions. Đây là một nền tảng cơ bản cho việc học một xấp xỉ hoặc mô hình thay thế e f từ một tập hợp các cá nhân được đánh giá trước đây được lựa chọn, được gọi là điểm đào tạo / cá nhân.