Item type |
SIG Technical Reports(1) |
公開日 |
2025-03-11 |
タイトル |
|
|
言語 |
ja |
|
タイトル |
推定分散積分の解析解を導入した信頼性上限関数によるガウス過程ベイズ最適化 |
タイトル |
|
|
言語 |
en |
|
タイトル |
Gaussian process Bayesian optimization with upper confidence bound implementing analytical solution of estimated variance integration |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
IBISML |
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 |
|
|
|
日本大学生産工学部 |
著者所属 |
|
|
|
日本大学生産工学部 |
著者所属 |
|
|
|
日本大学生産工学部 |
著者所属 |
|
|
|
日本大学生産工学部 |
著者所属(英) |
|
|
|
en |
|
|
College of Industrial Technology, Nihon University |
著者所属(英) |
|
|
|
en |
|
|
College of Industrial Technology, Nihon University |
著者所属(英) |
|
|
|
en |
|
|
College of Industrial Technology, Nihon University |
著者所属(英) |
|
|
|
en |
|
|
College of Industrial Technology, Nihon University |
著者名 |
大前,佑斗
柿本,陽平
佐々木,真
森,雅也
|
著者名(英) |
Yuto Omae
Yohei Kakimoto
Makoto Sasaki
Masaya Mori
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
信頼性上限関数に基づくガウス過程ベイズ最適化は,ガウス過程回帰の推定平均E(x)と推定分散V(x)を用いて,E(x)+ βV(x)を最大化させるx を次の観測点とする探索手法である.E(x)は活用,V(x)は探索に影響する項であるため,β が探索と活用のトレードオフを調整する係数となる.より良い探索を実現するためには,探索空間の不確定性が高いときはβ を高くし,低いときはβ を低くすることが望ましい.本研究では,これを実現するため,探索空間全体の不確定性を推定分散V(x)の積分により定量化し,探索重みβ として使用するアプローチを提案する.本稿では,ガウシアンカーネルにより表現された推定分散V(x)の積分の厳密な解析解を示すとともに,複数のベンチマーク関数に対する提案手法の有効性について報告する. |
論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
The Gaussian Process Bayesian Optimization based on the Upper Confidence Bound is a search method that determines the next observation point x by maximizing E(x) + βV(x), where E(x) is the estimated average and V(x) is the estimated variance obtained from Gaussian Process regression. Since E(x) represents exploitation and V(x) represents exploration, β represents a coefficient that adjusts the trade-off between exploration and exploitation term. To enable better exploration, it is desirable to set a high β when the uncertainty in the search space is high and a low β when the uncertainty is low. In this study, we propose an approach to achieve this by quantifying the uncertainty of the entire search space by using the integration of the estimated variance V(x) and using the value as the exploration weight β. This paper presents an exact analytical solution for the integral of the estimated variance V(x) expressed by the Gaussian kernel. Additionally, we report the effectiveness of the proposed method through experiments on some benchmark functions. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11131797 |
書誌情報 |
研究報告コンピュータビジョンとイメージメディア(CVIM)
巻 2025-CVIM-241,
号 31,
p. 1-5,
発行日 2025-03-11
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8701 |
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 |