講演抄録/キーワード |
講演名 |
2018-11-05 15:10
[ポスター講演]ガウス過程の導関数に基づく極小点の同定のための能動学習 ○稲津 佑(理研)・椙田大輔(名工大)・豊浦和明(京大)・竹内一郎(名工大/理研/物質・材料研究機構) IBISML2018-94 |
抄録 |
(和) |
材料科学等の多くの分野において, 未知関数の極小点を知ることが複雑な物理化学現象を理解する上で重要となる.
近年, 機械学習理論に基づいた未知関数の効率的な評価のための能動学習が, 様々な応用分野で行われている.
しかしながら, 多くの場合, その目的は未知関数の最大(最小)点の探索であった.
本研究では, 未知関数に対する事前分布にガウス過程(GP)を仮定し, 更に, GPの導関数が再びGPとなる性質を用いて,
未知関数の極小点を効率的に同定するための能動学習法を提案する. |
(英) |
In many fields such as materials science, knowing local minimum points of unknown functions is important for understanding complex physicochemical phenomena.
In recent years, active learning for efficient evaluation of unknown functions based on machine learning theory is performed in various application fields.
However, in many cases, its aim was to find the maximum (minimum) point of unknown functions.
In this paper, we propose an active learning method for efficiently identifying local minimum points of unknown functions by assuming the Gaussian process (GP) as a prior distribution for unknown functions and using the property that GP derivatives become GP again. |
キーワード |
(和) |
能動学習 / ベイズ最適化 / レベルセット推定 / ガウス過程微分 / / / / |
(英) |
Active learning / Bayesian optimization / Level set estimation / Differentiating Gaussian process / / / / |
文献情報 |
信学技報, vol. 118, no. 284, IBISML2018-94, pp. 373-380, 2018年11月. |
資料番号 |
IBISML2018-94 |
発行日 |
2018-10-29 (IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2018-94 |