入出力データの逐次生成による能動学習統合型最適化法

カテゴリ: 研究会(論文単位)

論文No: ST18049

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: 2018/09/26

タイトル(英語): Integrated Optimization Method with Active Learning Using Iteratively Produced Input-Output Data

著者名: 相吉 英太郎(統計数理研究所),田村 健一(首都大学東京),安田 恵一郎(首都大学東京)

著者名(英語): Eitaro Aiyoshi(The Institute of Statistical Mathematics),Kenichi Tamura(Tokyo Metropolitan University),Keiichiro Yasuda(Tokyo Metropolitan University)

キーワード: 普遍近似定理|一様近似|応答曲面法|能動学習|最適化|緩和法|universal approximation theorem|uniform approximation|responsse surface method|active learning |optimization|relaxation method

要約(日本語): 学習データを逐次生成しながらの入出力関係の反復的モデリングを統合した最適化法を提案する．無限個の不等式条件を有限個の学習データに対応した有限個の不等式条件に緩和した問題を想定し，新たに生成する学習データに対する近似精度条件をこの緩和問題に逐次付加することで，入出力モデルの近似精度を保証しながら，より精度の高い大域的最適解を求めることができる．

要約(英語): We propose the optimization integrating an iterative modeling of input-output relations with successively produced learning data. Here, a relaxed problem with a finite number of inequality constraints corresponding to a finite number of learning data is supposed firstly, and then inequality constraints corresponding to newly produced learning data are iteratively added to the relaxed problem. In this process, a global optimal solution with higher accuracy can be obtained under the guarantee approximation accuracy of input-output relation.

原稿種別: 日本語

PDFファイルサイズ: 1,400 Kバイト