機械学習に基づいた不確実環境下における適応的実験計画～ベイズ最適化の基礎とロバストベイズ最適化～

セミナー講師

稲津　佑（いなつゆう）氏名古屋工業大学大学院　工学研究科 情報工学専攻 助教（博士（理学））  

＜略歴＞　 2010年4月-2012年3月　広島大学　理学部　数学科2012年4月-2014年3月　広島大学大学院　理学研究科　博士課程前期　数学専攻2014年4月-2017年3月　広島大学大学院　理学研究科　博士課程後期　数学専攻2017年4月-2020年10月 理化学研究所　革新知能統合研究センター　データ駆動型生物医科学チーム　特別研究員2020年11月- 現職  ＜所属学会＞　 日本統計学会

セミナー受講料

お1人様受講の場合　51,700円[税込]／1名1口でお申込の場合　66,000円[税込]／1口（3名まで受講可能）受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。

セミナー趣旨

製造業をはじめとする様々な実応用の場において，実験工程 (計画) を効率化することは重要な課題である．近年，機械学習・AIを用いたベイズ最適化と呼ばれる適応的実験計画法が盛んに開発されており，ベイズ最適化によって様々な実験工程の効率化が達成されている．一方で，実応用上は実験工程の一部の実験変数が制御できないもとで，制御可能変数を最適化しなければならないケースも多く，この場合は通常のベイズ最適化を直接適用することができない．本セミナーでは，はじめにベイズ最適化の基礎について概説する．次いで，不確実性を伴う制御できない変数が存在するもとでの制御可能変数の良さをロバスト尺度により定量化し，このロバスト尺度に対するベイズ最適化手法について紹介する．

セミナープログラム

　1　はじめに 　　1.1　ブラックボックス関数について　　1.2　ベイズ最適化について　2　ガウス過程と獲得関数について　　2.1　ガウス過程モデル　　2.2　獲得関数の基礎　3　単目的最適化問題に対するベイズ最適化手法 　　3.1　最大化問題　　3.2　領域推定問題　4　ロバスト最適化問題に対するベイズ最適化 　　4.1　期待値尺度最大化問題　　4.2　期待値尺度に対する領域推定問題　　4.3　分布ロバストな期待値尺度最大化問題　　4.4　その他のロバスト尺度例　5　関連する話題　　5.1　多目的ベイズ最適化/多目的ロバストベイズ最適化　　5.2　実応用例　6　おわりに