ベイズ最適化に基づく適応的実験計画～基礎からロバスト最適化まで～

セミナー趣旨

  製造業などの様々な実応用の場において、実験工程の効率化やパラメータの調整は重要な課題である。近年、機械学習・AI技術を用いることによる実験工程の効率化に関する研究が多数行われている。特に、ベイズ最適化と呼ばれる機械学習アルゴリズムを用いた適応的実験計画により、最適な実験条件を効率的に探索することが期待できる。本セミナーでは、応用上特に重要となる単目的最適化、多目的最適化およびロバスト最適化問題をベースにベイズ最適化手法の基礎と応用について解説する。また、ベイズ最適化を行う際は適切な予測モデルおよび獲得関数と呼ばれる評価関数を設計する必要があるが、どのような問題に対してどのようなモデル、獲得関数を設計すべきかについても概説する。

受講対象・レベル

・本テーマに興味がある方．
・ベイズ最適化がどのような問題に対して適用できるかについて興味がある方
・データの観測にコストがかかる問題を扱う方。高コストな単一目的関数、多出力関数、あるいは、入力の不確実性を考慮した
   ロバストな最適化を扱いたい方。

必要な予備知識

確率・統計の基礎知識

習得できる知識

・機械学習アルゴリズムを用いた適応的実験計画，特に，ベイズ最適化に関する基礎的な考え方
・ベイズ最適化が適用できる問題の把握
・予測モデルや獲得関数（次の実験点を決定する方法）の設計には多様性があるが、それらの大まかな特徴
など

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　ベイズ最適化に関して
２．ガウス過程回帰モデルと獲得関数について
　2.1　ガウス過程回帰モデル
　2.2　獲得関数の基礎
３．単目的最適化問題におけ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．多目的最適化問題におけるベイズ最適化手法
　4.1　スカラー化関数最適化
　4.2　制約付き最適化
　4.3　パレート最適化
５．ロバスト最適化問題におけるベイズ最適化手法
　5.1　期待値尺度最大化問題
　5.2　期待値尺度に対する領域推定問題
　5.3　分布ロバストな期待値尺度最大化問題
　5.4　その他のロバスト尺度を用いた例
６．関連する話題
　6.1　実応用例
　6.2　理論解析
７．まとめ
＜質疑応答＞

＊途中、お昼休みや小休憩を挟みます。

セミナー講師

名古屋工業大学 情報工学専攻 助教　 稲津 佑 氏

■ご略歴
2012年3月 広島大学理学部数学科卒業
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修了
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修了
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・特別研究員
2020年11月～ 現職
ガウス過程回帰などに代表されるベイズ最適化手法に基づいたBlack-box関数最適化の研究に従事。

セミナー受講料

【オンライン受講（見逃し視聴なし）】：1名 50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円

【オンライン受講（見逃し視聴あり）】：1名 56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円

＊学校法人割引：学生、教員のご参加は受講料50％割引。

受講について

• 配布資料は、印刷物を郵送で1部送付致します。お申込の際はお受け取り可能な住所をご記入ください。
  お申込みは4営業日前までを推奨します。
  それ以降でもお申込みはお受けしておりますが（開催1営業日前の12:00まで）、
  テキスト到着がセミナー後になる可能性がございます。
• 資料未達の場合などを除き、資料の再配布はご対応できかねますのでご了承ください。
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです
  →環境の確認についてこちらからご確認ください
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です
  →こちらをご確認ください