お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 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

研究会情報
研究会 IBISML  
開催期間 2022-01-17 - 2022-01-18 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 機械学習一般 
テーマ(英) Machine Learning, etc. 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2022-01-IBISML 
本文の言語 日本語 
タイトル(和) 情報量に基づく複数タスクの同時ベイズ最適化 
サブタイトル(和)  
タイトル(英) Bayesian Optimization for Simultaneous Optimization of Multiple Tasks with Max-value Entropy Search 
サブタイトル(英)  
キーワード(1)(和/英) ベイズ最適化 / Bayesian optimization  
キーワード(2)(和/英) マルチタスク / multi-task  
キーワード(3)(和/英) 相互情報量 / mutual information  
キーワード(4)(和/英) /  
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) 山田 倫太郎 / Rintaro Yamada / ヤマダ リンタロウ
第1著者 所属(和/英) 名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: NIT)
第2著者 氏名(和/英/ヨミ) 竹野 思温 / Shion Takeno / タケノ シオン
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: NIT)
第3著者 氏名(和/英/ヨミ) 烏山 昌幸 / Masayuki Karasuyama / カラスヤマ マサユキ
第3著者 所属(和/英) 名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: NIT)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2022-01-18 15:00:00 
発表時間 20分 
申込先研究会 IBISML 
資料番号 IBISML2021-28 
巻番号(vol) vol.121 
号番号(no) no.321 
ページ範囲 pp.75-80 
ページ数
発行日 2022-01-10 (IBISML) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会