@techreport{oai:ipsj.ixsq.nii.ac.jp:00218928,
 author = {宮川, 翔貴 and 矢野, 敦仁 and 澤田, 奈生子 and 小川, 勇},
 issue = {1},
 month = {Jul},
 note = {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．},
 title = {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},
 year = {2022}
}