实验设计几乎是所有研究学科的标志。在许多场景中，一个重要的挑战是如何在大型行动/设计空间中自动设计实验。此外，这种程序的适应性也很重要，即适应之前实验的结果。在这次演讲中，我将描述在自适应实验设计中使用数据驱动算法技术的最新进展，也被称为主动学习和机器学习社区中的贝叶斯优化。基于高斯过程(GP)框架，我将描述个性化临床治疗和纳米光子结构设计中的案例研究。在这些应用的驱动下，我将展示如何将现实世界的考虑因素，如安全、偏好启发和多逼真度实验设计纳入GP框架，并使用新的算法、理论保证和经验验证。如果时间允许，我还将简要概述一些其他案例研究。

视频：

https://www.youtube.com/watch?v=yZOb8Y-pUCMa&feature=youtu.be

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“AIED” 可以获取《基于人工智能的自适应实验设计, 加州理工Yisong Yue教授，附下载》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源