| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 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 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2018-11-05 - 2018-11-07 |
| 開催地（和） | 北海道民活動センター（かでる2.7） |
| 開催地（英） | Hokkaido Citizens Activites Center (Kaderu 2.7) |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2018) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2018) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2018-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 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 |
| サブタイトル（和） | |
| タイトル（英） | Active learning for identifying local minimum points based on the derivative of Gaussian process |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 能動学習 / Active learning |
| キーワード(2)（和/英） | ベイズ最適化 / Bayesian optimization |
| キーワード(3)（和/英） | レベルセット推定 / Level set estimation |
| キーワード(4)（和/英） | ガウス過程微分 / Differentiating Gaussian process |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 稲津 佑 / Yu Inatsu / イナツ ユウ |
| 第1著者 所属（和/英） | 理化学研究所 (略称： 理研) RIKEN (略称： RIKEN) |
| 第2著者 氏名（和/英/ヨミ） | 椙田 大輔 / Daisuke Sugita / スギタ ダイスケ |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NITech) |
| 第3著者 氏名（和/英/ヨミ） | 豊浦 和明 / Kazuaki Toyoura / トヨウラ カズアキ |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第4著者 所属（和/英） | 名古屋工業大学/理化学研究所/物質・材料研究機構 (略称： 名工大/理研/物質・材料研究機構) Nagoya Institute of Technology/RIKEN/National Institute for Materials Science (略称： NITech/RIKEN/NIMS) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-11-05 15:10:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2018-94 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.284 |
| ページ範囲 | pp.373-380 |
| ページ数 | 8 |
| 発行日 | 2018-10-29 (IBISML) |
[研究会発表申込システムのトップページに戻る]