セミナー
サイトリニューアルをしました。
May 8, 2017
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～
受講可能な形式：【Live配信】のみ
| 日時 | 2024年9月9日（月） 13:00～16:00 |
|
|---|---|---|
| 会場 | オンライン配信セミナー |
会場地図 |
| 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 |
|
|
受講料(税込)
各種割引特典
|
51,700円
( E-Mail案内登録価格 51,700円 )
S&T会員登録とE-Mail案内登録特典について
定価：本体47,000円＋税4,700円
E-Mail案内登録価格：本体47,000円＋税4,700円
|
|
お１人様受講の場合 51,700円 （47,000円＋税4,700円）
1口でお申込の場合 66,000円 （60,000円＋税6,000円／1口（3名まで受講可能）） ※S&T E-Mail案内登録価格 S&T複数同時申込み割引対象外 ※開催7日前に請求書を発送します。 ※開催日から9日前以降のキャンセルは受講料全額を申受けます。但し、セミナー終了後テキストを郵送します。 一旦、納入された受講料はご返金できません。当日ご都合のつかない場合は代理の方がご出席下さい。 ※サイエンス＆テクノロジーが設定しているアカデミー価格・キャンセル規定対象外のセミナーです。 |
||
| 主催 | (株)トリケップス | |
| オンライン配信 | ★本セミナーは、Zoomウェビナーを使用して行います。 受講者の通信回線にセキュリティなどの制限がある場合は参加できないことがあるため、 事前に当日ご利用予定の通信回線にて、 Zoom公式ページ（https://zoom.us）にアクセスできることをご確認していただくようお願いします。 または、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ください。 Zoomをダウンロードしている方はマイクとスピーカーのテストも可能です。 ※こちらは接続テスト用のミーティングです。実際のセミナー参加者画面とは異なります。 ★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。 ※開催5日前までに主催会社(株)トリケップスから参加者に当日必要なURLとパスワードをメールにてお知らせします。 | |
| 備考 | ★受講申込者が必要定員に満たないセミナーは中止・延期させていただく場合があります。 その場合は開催1週間前にご連絡します。 ★1口でお申込の場合 代表受講者を定めて下さい。請求書発送等の連絡は代表受講者へ行います。 申込時に参加者全員の氏名・所属が明記されていない場合、ご参加できない場合があります。 | |
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．
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．
セミナー講演内容
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
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
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL対応ページ（https）からの情報送信は暗号化により保護されます。
SSL対応ページ（https）からの情報送信は暗号化により保護されます。