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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2019-06-17 15:50
ベイズ最適化における代理モデルの性能比較
下山 翔明大)・野村将寛サイバーエージェント
技報オンラインサービス実施中
抄録 (和) ベイズ最適化は,過去のデータから目的関数を推定する代理モデルを用いて次の探索点を効率的に選択できるため,機械学習アルゴリズムのハイパーパラメータ最適化などの様々な分野で利用されている.
ベイズ最適化における代表的な代理モデルとしてガウス過程とランダムフォレストが存在するが,これらの代理モデルの性質が性能に与える影響に関する議論は十分になされていない.
本研究では,ノイズの有無,次元数および性質の異なるベンチマーク関数に対する実験により,代理モデルの性質が性能に与える影響についての考察を行う. 
(英) Bayesian optimization can efficiently select the next search point by using a surrogate model that estimates an objective function from past data, so it is used in various fields including hyperparameter optimization of machine learning algorithms.
Although Gaussian process and random forest are the representative surrogate models in Bayesian optimization, effects of properties of these surrogate models on the performance are not sufficiently discussed.
In this study, we examine the effects of properties of these surrogate models on the performance by experiments on benchmark functions with different noise levels, number of dimensions and characteristics.
キーワード (和) ベイズ最適化 / ガウス過程 / ランダムフォレスト / expected improvement / / / /  
(英) Bayesian optimization / Gaussian process / random forest / expected improvement / / / /  
文献情報 信学技報, vol. 119, no. 89, IBISML2019-7, pp. 43-50, 2019年6月.
資料番号 IBISML2019-7 
発行日 2019-06-10 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NC IBISML IPSJ-MPS IPSJ-BIO  
開催期間 2019-06-17 - 2019-06-19 
開催地(和) 沖縄科学技術大学院大学 
開催地(英) Okinawa Institute of Science and Technology 
テーマ(和) NC、機械学習によるバイオデータマイニング、一般 
テーマ(英) Neurocomputing, Machine Learning Approach to Biodata Mining, and General 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2019-06-NC-IBISML-MPS-BIO 
本文の言語 日本語 
タイトル(和) ベイズ最適化における代理モデルの性能比較 
サブタイトル(和)  
タイトル(英) A Comparison of Surrogate Models in Bayesian Optimization 
サブタイトル(英)  
キーワード(1)(和/英) ベイズ最適化 / Bayesian optimization  
キーワード(2)(和/英) ガウス過程 / Gaussian process  
キーワード(3)(和/英) ランダムフォレスト / random forest  
キーワード(4)(和/英) expected improvement / expected improvement  
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) 下山 翔 / Sho Shimoyama / シモヤマ ショウ
第1著者 所属(和/英) 明治大学 (略称: 明大)
Meiji University (略称: Meiji Univ.)
第2著者 氏名(和/英/ヨミ) 野村 将寛 / Masahiro Nomura / ノムラ マサヒロ
第2著者 所属(和/英) 株式会社サイバーエージェント (略称: サイバーエージェント)
CyberAgent, Inc. (略称: CA)
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
発表日時 2019-06-17 15:50:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2019-7 
巻番号(vol) IEICE-119 
号番号(no) no.89 
ページ範囲 pp.43-50 
ページ数 IEICE-8 
発行日 IEICE-IBISML-2019-06-10 


[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