講演抄録/キーワード |
講演名 |
2022-01-18 15:00
情報量に基づく複数タスクの同時ベイズ最適化 ○山田倫太郎・竹野思温・烏山昌幸(名工大) IBISML2021-28 |
抄録 |
(和) |
ベイズ最適化はBlack-box最適化問題に対する有効なアプローチとして盛んに研究されている. 実践上, 単一の最適化問題を解くだけでなく, 複数の関連のある最適化問題(タスク)の全ての解を発見したいことがある. このような状況では, それぞれのタスクを個別に解くのではなく, タスク間の相関を活用することで探索の効率化を図ることができると考えられる.
そこで本稿では, 情報量に基づくベイズ最適化の枠組みを用いて, 複数のタスクへの情報論的利得を定量化した獲得関数を考える. 特に, Max-value Entropy Search (MES)と呼ばれる情報量の評価法を用いて, 複数タスクの状況下でも自然な拡張が可能であることを示す. また, 計算機実験で提案法の有効性を検証する. |
(英) |
Bayesian optimization (BO) has been widely studied as an effective approach to black-box optimizations. On the other hand, in some practical scenarios, multiple related optimization problems (tasks) need to be solved simultaneously instead of only solving single optimization problem. In this case, the optimization procedure can be accelerated by incorporating correlations among the optimization problems. We propose an information-theoretic acquisition function of BO for the multi-task setting, in which the information gains across different tasks are evaluated. In particular, our method is based on a BO method
called max-value entropy search (MES), by which we show that a natural extension for the multi-task setting can be derived. We also demonstrate effectiveness of the proposed method through empirical evaluations. |
キーワード |
(和) |
ベイズ最適化 / マルチタスク / 相互情報量 / / / / / |
(英) |
Bayesian optimization / multi-task / mutual information / / / / / |
文献情報 |
信学技報, vol. 121, no. 321, IBISML2021-28, pp. 75-80, 2022年1月. |
資料番号 |
IBISML2021-28 |
発行日 |
2022-01-10 (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 |
IBISML2021-28 |