Item type |
SIG Technical Reports(1) |
公開日 |
2022-07-19 |
タイトル |
|
|
タイトル |
制約付き高次元パラメータにおけるベイズ最適化: 粉体計量への応用 |
タイトル |
|
|
言語 |
en |
|
タイトル |
High-Dimensional Bayesian Optimization with Constraints: Application to Powder Weighing |
言語 |
|
|
言語 |
jpn |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
著者所属 |
|
|
|
三菱電機情報技術総合研究所 |
著者所属 |
|
|
|
三菱電機情報技術総合研究所 |
著者所属 |
|
|
|
三菱電機情報技術総合研究所 |
著者所属 |
|
|
|
三菱電機情報技術総合研究所 |
著者名 |
宮川, 翔貴
矢野, 敦仁
澤田, 奈生子
小川, 勇
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
ベイズ最適化はブラックボックスなモデルに対して少ない試行回数でパラメータを最適化できる手法だが,一般に高次元なパラメータでは機能しない.低次元空間への非線形な埋め込みにより効率的な探索を行う方法があるが,非線形変換により制約条件を陽に表現できない問題がある.本研究では,パラメータの分割および Disentangled Representation Learning を導入することで等式制約と不等式制約をそれぞれ考慮する方法を提案する.さらに,高次元かつ制約があるパラメータを最適化する問題の応用例として粉体計量タスクを導入し,提案手法の有効性を評価した.実験の結果,提案手法により制約条件を考慮することができ,手動でのパラメータ調整にくらべて試行回数を約 1/3 まで減らすことができた. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10505667 |
書誌情報 |
研究報告数理モデル化と問題解決(MPS)
巻 2022-MPS-139,
号 1,
p. 1-4,
発行日 2022-07-19
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8833 |
Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |