過去記憶を用いたスケーラブルなベイズ最適化
書誌事項
- タイトル別名
-
- Scalable Bayesian Optimization with Memory Retention
説明
<p>ベイズ最適化はブラックボックス関数をできる限り少ない評価回数で大域的に最適化する方法である．これは，ガウス過程を用いて次に評価するパラメータを選択することを繰り返す手法である．しかし，ガウス過程の計算量は学習するデータ量の3 乗に比例するため，ベイズ最適化は繰り返し回数を増やすことが困難である．そこで本論文では，繰り返し回数を増やしても所要時間の増加を抑えることができる手法を提案する．提案手法は過去の繰り返しにおいて使用したモデルの予測結果を再利用することで,学習するデータ量を抑えることができる．そして実験にて，提案手法が繰り返し回数が増加しても所要時間の増加を抑えることができ，通常のベイズ最適化より高い精度で最適化を行えることを示す．</p>
収録刊行物
-
- 人工知能学会全国大会論文集
-
人工知能学会全国大会論文集 JSAI2019 (0), 1J3J202-1J3J202, 2019
一般社団法人 人工知能学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390564238097601792
-
- NII論文ID
- 130007658334
-
- ISSN
- 27587347
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- CiNii Articles
-
- 抄録ライセンスフラグ
- 使用不可
