Adaptative learning optimization method based on evolutionary learning system and its application to reconfigurable device

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K12152
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Chiba University
• Principal Investigator: Koakutsu Seiichi 千葉大学, 大学院工学研究院, 教授 (70241940)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: ソフトコンピューティング / ニューラルネットワーク / 進化計算 / 最適化 / 再構成可能デバイス

Outline of Final Research Achievements

Reconfigurable devices are attracting attention as a hardware implementation method for expanding the range of applications and speeding up processing in neural networks, which are the basic technology of AI. In this study, we develop an adaptive learning-type optimization method that adaptively adjust the search process based on the curved surface structure of the landscape of the objective function. We apply the developed adaptive learning-type optimization method to problems that require the quality of the solution and the high speed of optimization, such as the hardware implementation problem of neural networks in a reconfigurable device. High-quality solutions can be efficiently obtained by the developed method.

Free Research Field

最適化理論

Academic Significance and Societal Importance of the Research Achievements

進化型計算法は，解の状態を遺伝子コード化し，有益な部分解を交叉により組み合わせることにより，高品質の解を効率よく探索できる。しかし，実際的な問題に応用する際には，理想的な遺伝子コード化および交叉法を見出すことは容易ではない。また，問題毎に遺伝子コード化および交叉法の調整が必要である。開発した適応学習型最適化法の特徴は，解の探索過程そのものを遺伝子情報として付加し，観測された目的関数の景観の曲面構造の特徴に応じて探索過程を自律的・適応的に最適化する機能を，進化型計算法に導入する点にある。その結果，問題毎に遺伝子コード化および交叉法を調整する必要がなくなり，効率的に高品質の解を求められる。