進化型計算と深層学習に基づく問題解決手法

カテゴリ: 研究会(論文単位)

論文No: ST22038

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2022/11/23

タイトル(英語): Problem Solving by means of evolutionary Computation and Deep Learning

著者名: 森 直樹(大阪公立大学)

著者名(英語): Naoki Mori(Osaka Metropolitan University)

キーワード: 進化型計算|深層学習|ニューラルネットワーク|サポートベクターマシン|Ｄａｔａ　Ａｕｇｍｅｎｔａｔｉｏｎ|確率的最適化|Evolutionary computation|Deep Learning|Neural Network|Support Vector Machine|Data Augmentation|Stochastic Optimization Algorithm

要約(日本語): 近年，機械学習技術の大幅な発展を背景として，人工知能による問題解決手法に注目が集まっている．しかしながら，機械学習の手法としては深層学習を始めとして多くの手法があるため，問題に対して何をどのように適用するかを決定するのは容易ではない．一般的には事前知識を用いて大まかに手法を定め，各手法の可調整パラメータを最適化する必要があるが，複数の手法を組合せる場合を考慮したり，深層学習のように大量のハイパーパラメータが存在する場合には組合せ爆発が生じるため，最適な機械学習システムを構築するのは困難である．そこで，問題に応じて適応的に最適な機械学習システムを構築する手法が求められている．_x000D_ 筆者は，これまでに進化型計算と深層学習を併用した確率的最適化手法を提案してきた．今回は，その中から SVM-Neural Network(SVM-NN) とTDGA AutoAugment(TDGA AA)について紹介する．

要約(英語): Deep learning has recently been studied as one of the most effective methods in machine learning, and lots of results have been reported. _x000D_ However, the most effective way to construct neural networks has not yet been determined. _x000D_ Besides, the interpretation of an obtained network is difficult. _x000D_ Several types of research which combine evolutionary _x000D_ computation and deep learning have been proposed to solve this problem. _x000D_ We proposed the SVM-Neural Network(SVM-NN) and TDGA AutoAugment(TDGA AA) in this field. We also applied those methods to benchmark problems and many real-world problems. _x000D_ In this study, I introduced our proposed methods and showed the results _x000D_ of computer simulations to confirm the effectiveness of the proposed methods.

本誌: 2022年11月26日システム研究会

本誌掲載ページ: 5-10 p

原稿種別: 日本語

PDFファイルサイズ: 2,026 Kバイト