研究課題
工学設計問題のように目的関数の評価に計算コストがかかる最適化問題で、従来の最適化手法を適用することは現実的ではないため、逐次近似最適化（sequential approximate optimization）がよく用いられ、この方法の中では、本来の目的関数の代わりに、代用の近似関数が用いられる。いくつかのサンプル点に基づいて生成される近似関数の構築には、Radial basis function（RBF、放射基底関数）ニューラルネットワークやSupport Vector Machines（SVM、サポートベクターマシン）などの機械学習がよく用いられ、その有効性も検証されている。その近似精度は、学習に関わる内部パラメータ（hyper-parameter）に依存する。そこで、今年度は、より精度の高い近似関数を生成するために、RBFニューラルネットワークにおけるメタ学習法の提案を行った。サンプル点間の距離と疎密を考慮し、RBFニューラルネットワークにもっともよく使われるガウス（Gaussian）基底関数における最適なパラメータ（中心および半径）の決定法を提案し、いくつかの数値例を通して、得られた解の精度と関数評価数の両観点から、提案手法の有効性を検証した。
すべて 2019
すべて 雑誌論文 (3件) (うち国際共著 2件、 査読あり 3件) 学会発表 (1件) (うち国際学会 1件)
第62回自動制御連合講演会論文集
巻: Vol.62 ページ: -
International Conference on Nonlinear Analysis and Convex Analysis and International Conference on Optimization: Techniques and Applications
巻: - ページ: 185
ICITG 2019: Information Technology in Geo-Engineering
巻: - ページ: 376-382
https://doi.org/10.1007/978-3-030-32029-4_32
