| 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 | 2024-12-21 15:10 最適化1ステップの学習による非負値行列因子分解のUnrolling ○有竹俊光（一橋大）  IBISML2024-52 |
|
| 抄録 | （和） | Unrollingは，繰り返し最適化をより少ないステップ数でよりよい解を得ることを目的とした，最適化のメタ学習の一手法である． Unrollingでは，繰り返し最適化アルゴリズムのループを展開した計算過程を学習可能なモデルとみなし，モデルの訓練を通して最適化のメタ学習をおこなう． 従来のunrolling法は主に凸最適化問題を対象としており，非凸問題への適用は限定的である． 本研究では，非負値行列因子分解（NMF）に対するunrolling手法を提案する． NMFでは全ての変数を同時に最適化する場合，複雑な非凸最適化が必要となるため，交互最適化が用いられる． 提案手法であるNeural Adaptive Gradient NMF (NAG-NMF) では，交互最適化の反復アルゴリズムのunrollingを考え，特に，各最適化ステップで更新量の推定にニューラルネットワークを利用する方法を提案する． また，NAG-NMFの効率的な学習方法を提案し，実験的評価を通じてその有効性を示す． |
| （英） | Unrolling is a meta-learning approach for optimization that aims to achieve better solutions with fewer optimization steps. In Unrolling, the iterative process of an optimization algorithm is treated as a learnable model, and meta-learning is performed through training this model. While conventional unrolling methods have primarily addressed convex optimization problems, their application to nonconvex problems remains limited. This study proposes an unrolling method for nonnegative matrix factorization (NMF). In NMF, simultaneous optimization of all variables involves complex non-convex optimization; hence, alternating optimization is commonly employed. The proposed method, Neural Adaptive Gradient NMF (NAG-NMF), unrolls the iterative algorithm of alternating optimization and specifically leverages neural networks to estimate update values at each optimization step. Additionally, we propose an efficient training method for NAG-NMF and demonstrate its effectiveness through experimental evaluations. | |
| キーワード | （和） | Unrolling / モデルベース機械学習 / 非負値行列因子分解 / 交互最適化 / / / / |
| （英） | Unrolling / Model-based machine learning / Nonnegative matrix factorization / Alternating optimization / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 321, IBISML2024-52, pp. 144-150, 2024年12月. | |
| 資料番号 | IBISML2024-52 | |
| 発行日 | 2024-12-13 (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 | IBISML2024-52 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2024-12-20 - 2024-12-21 |
| 開催地（和） | 北海道大学大学院環境科学院棟講義室１(D101) |
| 開催地（英） | Lecture room 1 (D101), Graduate School of Environmental Science |
| テーマ（和） | 生成AI、機械学習一般 |
| テーマ（英） | generative AI, machine learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2024-12-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 最適化1ステップの学習による非負値行列因子分解のUnrolling |
| サブタイトル（和） | |
| タイトル（英） | Unrolling Nonnegative Matrix Factorization via Learning a Single Optimization Step |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Unrolling / Unrolling |
| キーワード(2)（和/英） | モデルベース機械学習 / Model-based machine learning |
| キーワード(3)（和/英） | 非負値行列因子分解 / Nonnegative matrix factorization |
| キーワード(4)（和/英） | 交互最適化 / Alternating optimization |
| 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） | 有竹 俊光 / Toshimitsu Aritake / アリタケ トシミツ |
| 第1著者 所属（和/英） | 一橋大学 (略称： 一橋大) Hitotsubashi University (略称： Hitotsubashi Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-12-21 15:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2024-52 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.321 |
| ページ範囲 | pp.144-150 |
| ページ数 | 7 |
| 発行日 | 2024-12-13 (IBISML) |
[研究会発表申込システムのトップページに戻る]