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 2018-11-12 17:15
[招待講演]ロバスト最適化法の教師あり機械学習への適用
武田朗子東大CAS2018-67 MSS2018-43
抄録 (和) 現実の問題には様々な不確実性が存在している. 数理最適化問題として定式化する際には, "測定誤差の含まれているデータ''や"将来の需要の代わりに過去のデータを用いた予測値''などを使わなければならないこともある. そのような状況において, 微小なデータの変動に対して強健な解を得ることを目的としたロバスト最適化法がしばしば用いられている. ロバスト最適化では, 不確実なデータの生じ得る範囲(不確実性集合)をあらかじめ設定し, その中で最悪の状況が生じた場合を想定して最適な意思決定を行うようにモデル化がなされている. ロバスト最適化による解は, 不確実なデータが不確実性集合内で動く分には制約式を破ることもなく目的関数値もひどく悪くなることはないため, 微小な変動に対して強健な解を得ることができる.
ここでは, ロバスト最適化の考え方や基本的な定式化を説明するとともに, 教師あり機械学習への適用例について紹介したい. 機械学習の分野では,データから規則性やパターンを発見するため, しばしば数理最適化手法が用いられている. 所与のデータセットが誤差を含んでいて不確実であるとの仮定のもと, 不確実なデータに対する不確実性集合の例をいくつか挙げる. さらに, それらの不確実性集合を用いたロバスト最適化モデルは, 既存の教師あり機械学習モデルと等価であることを示す. これより, 入力データや定式化が全く異なる教師あり機械学習モデルに対して, ロバスト最適化に基づく統一的な解釈が可能であり, また, それらの機械学習モデルの違いは, 不確実なデータに対して想定される不確実集合の表現方法にあることがわかる. 
(英) There are various uncertainties in real-world problems. When formulating them as mathematical optimization problems, we often use uncertain data such as "data containing measurement error'' or "predicted future demand using past data''. Under such circumstances, a robust optimization method aiming at obtaining robust solutions against data uncertainty is often used. In robust optimization, a range (uncertainty set) where uncertain data will be observed is set in advance, and a mathematical optimization model is constructed so as to find optimal decision under the worst-case scenario in the uncertainty set. The optimal decision by robust optimization does not violate the constraints of the model as long as uncertain data exists in the uncertainty set nor does the objective function value worsen seriously, so a robust solution to uncertainty can be obtained.
We will explain the idea and basic formulation of robust optimization and introduce examples of application to supervised machine learning. In the field of machine learning, mathematical optimization methods are often used to find rules and patterns from data. Under the assumption that a given dataset contains errors and is uncertain, some examples of uncertainty sets for uncertain data are shown. Furthermore, we prove that robust optimization models using these uncertainty sets are equivalent to existing supervised machine learning models. In other words, unified interpretation based on robust optimization is possible for supervised machine learning models with completely different input data and formulation, and in addition, it can be seen that the difference between these machine learning models lies in the way of expressing the uncertainty set assumed for uncertain data.
キーワード (和) ロバスト最適化 / 不確実性集合 / 教師あり学習 / 2値判別問題 / / / /  
(英) robust optimization / uncertainty set / machine learning / supervised learning / binary classification / / /  
文献情報 信学技報, vol. 118, no. 296, MSS2018-43, pp. 55-55, 2018年11月.
資料番号 MSS2018-43 
発行日 2018-11-05 (CAS, MSS) 
ISSN Print edition: ISSN 0913-5685    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 CAS2018-67 MSS2018-43

研究会情報
研究会 MSS CAS IPSJ-AL  
開催期間 2018-11-12 - 2018-11-13 
開催地(和) 熱海伊豆山温泉 ハートピア熱海 
開催地(英)  
テーマ(和) システムのモデリングと制御・検証・最適化の手法,機械学習的アプローチ及び一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 MSS 
会議コード 2018-11-MSS-CAS-AL 
本文の言語 日本語 
タイトル(和) ロバスト最適化法の教師あり機械学習への適用 
サブタイトル(和)  
タイトル(英) Robust Optimization and its Application to Supervised Learning 
サブタイトル(英)  
キーワード(1)(和/英) ロバスト最適化 / robust optimization  
キーワード(2)(和/英) 不確実性集合 / uncertainty set  
キーワード(3)(和/英) 教師あり学習 / machine learning  
キーワード(4)(和/英) 2値判別問題 / supervised learning  
キーワード(5)(和/英) / binary classification  
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) 武田 朗子 / Akiko Takeda / タケダ アキコ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: U.Tokyo)
第2著者 氏名(和/英/ヨミ) / /
第2著者 所属(和/英) (略称: )
(略称: )
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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 2018-11-12 17:15:00 
発表時間 50分 
申込先研究会 MSS 
資料番号 CAS2018-67, MSS2018-43 
巻番号(vol) vol.118 
号番号(no) no.295(CAS), no.296(MSS) 
ページ範囲 p.55 
ページ数
発行日 2018-11-05 (CAS, MSS) 


[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