| 講演名 | 2019-06-17 ヘ?イス?最適化における代理モテ?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), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | Bayesian optimization / Gaussian process / random forest / expected improvement |
| 資料番号 | IBISML2019-7 |
| 発行日 | 2019-06-10 (IBISML) |
| 研究会情報 | |
| 研究会 | NC / IBISML / IPSJ-MPS / IPSJ-BIO |
|---|---|
| 開催期間 | 2019/6/17(から3日開催) |
| 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 |
| 委員長氏名（和） | 庄野 逸(電通大) / 鹿島 久嗣(京大) / 関嶋 政和(東工大) / 倉田 博之(九工大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Hisashi Kashima(Kyoto Univ.) / Masakazu Sekijima(Tokyo Tech) / Hiroyuki Kurata(Kyutech) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 杉山 将(東大) / 津田 宏治(東大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 竹内 一郎(名工大) / 神嶌 敏弘(産総研) / 吉川 大弘(名古屋大) / 大久保 好章(北大) / 小谷野 仁(東工大) / 渡邉 真也(室蘭工業大) / 佐藤 寛之(電通大) / 高田 雅美(奈良女子大) / 田口 善弘(中央大) / 吉本 潤一郎(奈良先端大) / 伊藤 公人(北大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) / Tomohiro Yoshikawa(Nagoya Univ.) / Yoshiaki Okubo(Hokkaido Univ.) / Hitoshi Koyano(Tokyo Tech) / Shinya Watanabe(Muroran Inst. Tech.) / Hiroyuki Sato(UEC) / Masami Takata(Nara Women's Univ.) / Yoshihiro Taguchi(Chuo Univ.) / Junichiro Yoshimoto(NAIST) / Kimihito Ito(Hokkaido Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 岩田 具治(NTT) / 大羽 成征(京大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / IPSJ Special Interest Group on Mathematical Modeling and Problem Solving / IPSJ Special Interest Group on Bioinformatics and Genomics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ヘ?イス?最適化における代理モテ?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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 下山 翔 / Sho Shimoyama |
| 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） | 野村 将寛 / Masahiro Nomura |
| 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) |
| 発表年月日 | 2019-06-17 |
| 資料番号 | IBISML2019-7 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | IBISML-89 |
| ページ範囲 | pp.43-50(IBISML), |
| ページ数 | 8 |
| 発行日 | 2019-06-10 (IBISML) |