JP6571134B2 - パラメータ最適化装置、パラメータ最適化方法およびプログラム - Google Patents
パラメータ最適化装置、パラメータ最適化方法およびプログラム Download PDFInfo
- Publication number
- JP6571134B2 JP6571134B2 JP2017120437A JP2017120437A JP6571134B2 JP 6571134 B2 JP6571134 B2 JP 6571134B2 JP 2017120437 A JP2017120437 A JP 2017120437A JP 2017120437 A JP2017120437 A JP 2017120437A JP 6571134 B2 JP6571134 B2 JP 6571134B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- search range
- value
- experiment
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims description 55
- 238000000034 method Methods 0.000 title claims description 33
- 238000002474 experimental method Methods 0.000 claims description 140
- 238000011156 evaluation Methods 0.000 claims description 75
- 238000012360 testing method Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Description
まず、本実施形態の概要について説明する。本実施形態は、例えば画像認識などの所定機能の性能に関わる複数のパラメータについて、各パラメータに対して各々設定された探索範囲から最適値を探索するものであり、以下の(A)および(B)の2点を主要な特徴とする。
(A)実験計画に基づいて実施した性能評価実験の結果をもとに、複数のパラメータのうち、他のパラメータが性能に与えている影響よりも自身が性能に与える影響のほうが大きいパラメータ、すなわち、性能に最も影響を与えると推定されるパラメータ(以下、「対象パラメータ」と呼ぶ)を選定する。対象パラメータは、他のパラメータから受ける影響が比較的小さいパラメータである。
(B)選定された対象パラメータの探索範囲を、性能評価実験を行う前よりも狭めるかたちで更新する。この対象パラメータの探索範囲の更新により、他のパラメータから受ける影響が比較的小さいパラメータから順に最適値が絞り込まれていく。
本実施形態では、上記(A)と(B)を繰り返すことで、対象パラメータから順に最適値となり得るパラメータ値を絞り込んでいくことにより、最終的に全てのパラメータについて最適なパラメータ値を決定することができる。
次に、本実施形態のパラメータ最適化装置の機能的な構成について説明する。図1は、本実施形態のパラメータ最適化装置10の機能的な構成例を示すブロック図である。本実施形態のパラメータ最適化装置10は、図1に示すように、実験計画作成部11と、性能評価部12と、対象パラメータ選定部13と、探索範囲更新部14とを備える。
次に、図2を参照して、本実施形態のパラメータ最適化装置10の動作を説明する。図2は、本実施形態のパラメータ最適化装置10の処理手順の一例を示すフローチャートである。なお、図2の各ステップの具体的な内容は上述した通りであるので、詳細な説明は適宜省略する。
以下では、画像認識の一例として画像から直線を検出する直線検出の処理を題材とし、本実施形態のパラメータ最適化装置10による処理の具体例を実施例として説明する。直線検出は、入力された画像に対してのノイズ除去処理と、実際に直線の検出を行う処理から構成される。ノイズ除去の処理は、ノイズ除去の程度に影響する“kernel_width”および“kernel_height”のパラメータを持ち、直線検出の処理は、画像中の直線らしい箇所を直線とみなす閾値にあたる“threshold”のパラメータを持つ。本実施例では、これらのパラメータを最適化の対象とする。
以上、具体的な例を挙げながら詳細に説明したように、本実施形態によれば、パラメータが性能に与える影響をモデル化することなく、最適化の対象となる複数のパラメータを効率よく最適化することができる。したがって、複数のパラメータの相互作用が強いためにモデル化が困難な場合であっても、これら複数のパラメータの最適化を適切に行うことができる。
なお、上述の実施形態においては、パラメータ実験計画22の作成や性能評価実験の実施をパラメータ最適化装置10の内部で行うものとして説明したが、パラメータ最適化装置10は、パラメータ実験結果23を外部から受け取り、外部から受け取ったパラメータ実験結果23に基づいて対象パラメータを選定し、対象パラメータの探索範囲を更新する構成であってもよい。すなわち、パラメータ最適化装置10は、外部から受け取ったパラメータ実験結果23に基づいて対象パラメータを選定する対象パラメータ選定部13と、対象パラメータの探索範囲を更新する探索範囲更新部14のみを備える構成であってもよい。この場合、対象パラメータの探索範囲の更新は、上述の実施形態と同様にパラメータ設定21における対象パラメータの探索範囲の上限値や下限値を変更するものであってもよいし、このような変更をユーザに指示するものであってもよい。
本実施形態のパラメータ最適化装置10は、例えば、一般的なコンピュータを構成するハードウェアと、コンピュータで実行されるプログラム(ソフトウェア)との協働により実現することができる。例えば、コンピュータが所定のプログラムを実行することによって、上述した実験計画作成部11、性能評価部12、対象パラメータ選定部13、探索範囲更新部14などの機能的な構成要素を実現することができる。
11 実験計画作成部
12 性能評価部
13 対象パラメータ選定部
14 探索範囲更新部
21 パラメータ設定
22 パラメータ実験計画
23 パラメータ実験結果
24 対象パラメータの通知
Claims (12)
- 所定機能の性能に関わる複数のパラメータについて、各パラメータに対して各々設定された探索範囲から最適値を探索するパラメータ最適化装置であって、
前記複数のパラメータごとに探索範囲から選ばれたパラメータ値の組み合わせを複数含むパラメータ実験計画に基づいて前記性能を評価する実験を行うことで得られる性能評価値の統計量をもとに、前記複数のパラメータのうちで前記性能に最も影響を与えると推定される対象パラメータを選定する対象パラメータ選定部と、
選定された前記対象パラメータの探索範囲を、前記実験を行う前よりも狭めるように更新する探索範囲更新部と、
を備えるパラメータ最適化装置。 - 前記対象パラメータ選定部は、前記複数のパラメータのうち、自身のパラメータ値を変化させたときの前記性能評価値の分散を表す第1分散が、他のパラメータのパラメータ値を変化させたときの前記性能評価値の分散を表す第2分散よりも大きく、前記第1分散と前記第2分散との比が最も大きいパラメータを、前記対象パラメータとして選定する
請求項1に記載のパラメータ最適化装置。 - 前記対象パラメータ選定部は、前記複数のパラメータの各々について、前記第1分散と前記第2分散とに対するF検定を実施してp値を算出し、p値が最も小さいパラメータを前記対象パラメータとして選定する
請求項2に記載のパラメータ最適化装置。 - 前記パラメータ実験計画を作成する実験計画作成部と、
前記パラメータ実験計画に基づいて前記実験を行って、前記パラメータ実験計画に含まれる複数の前記組み合わせごとに算出される前記性能評価値のリストであるパラメータ実験結果を出力する性能評価部と、をさらに備え、
前記対象パラメータ選定部は、前記性能評価部が出力する前記パラメータ実験結果に基づいて前記対象パラメータを選定し、
前記実験計画作成部は、更新された前記対象パラメータの探索範囲に基づいて、前記パラメータ実験計画を新たに作成する
請求項1乃至3のいずれか一項に記載のパラメータ最適化装置。 - 前記実験計画作成部は、前記複数のパラメータごとに少なくとも探索範囲の上限値と下限値とを含む複数のパラメータ値を選び、直交表に基づいて前記パラメータ実験計画を作成する
請求項4に記載のパラメータ最適化装置。 - 前記実験計画作成部は、前記複数のパラメータごとに少なくとも探索範囲の上限値と下限値とを含む複数のパラメータ値を選び、その全組み合わせを含む前記パラメータ実験計画を作成する
請求項4に記載のパラメータ最適化装置。 - 前記実験計画作成部は、前記複数のパラメータごとに少なくとも探索範囲の上限値と下限値とを含む複数のパラメータ値を選び、前記複数のパラメータのうちの一部については全てのパラメータ値を他のパラメータの全てのパラメータ値と組み合わせ、他のパラメータ値については直交表に基づいて組み合わせ数を削減した前記パラメータ実験計画を作成する
請求項4に記載のパラメータ最適化装置。 - 前記探索範囲更新部は、前記対象パラメータの探索範囲から選ばれたパラメータ値のうち、当該パラメータ値を含む全ての組み合わせに対する前記性能評価値の平均値が最も高いパラメータ値を基準として、前記対象パラメータの探索範囲を更新する
請求項5乃至7のいずれか一項に記載のパラメータ最適化装置。 - 前記探索範囲更新部は、前記対象パラメータの探索範囲から選ばれたパラメータ値のうち、当該パラメータ値を含む組み合わせに対して最も高い前記性能評価値が算出されたパラメータ値を基準として、前記対象パラメータの探索範囲を更新する
請求項5乃至7のいずれか一項に記載のパラメータ最適化装置。 - 前記探索範囲更新部は、前記対象パラメータの探索範囲から選ばれたパラメータ値のうち、当該パラメータ値を含む組み合わせに対して最も低い前記性能評価値が算出されたパラメータ値を含まないように、前記対象パラメータの探索範囲を更新する
請求項5乃至7のいずれか一項に記載のパラメータ最適化装置。 - 所定機能の性能に関わる複数のパラメータについて、各パラメータに対して各々設定された探索範囲から最適値を探索するパラメータ最適化装置により実行されるパラメータ最適化方法であって、
前記パラメータ最適化装置が、前記複数のパラメータごとに探索範囲から選ばれたパラメータ値の組み合わせを複数含むパラメータ実験計画に基づいて前記性能を評価する実験を行うことで得られる性能評価値の統計量をもとに、前記複数のパラメータのうちで前記性能に最も影響を与えると推定される対象パラメータを選定するステップと、
前記パラメータ最適化装置が、選定された前記対象パラメータの探索範囲を、前記実験を行う前よりも狭めるように更新するステップと、
を含むパラメータ最適化方法。 - 所定機能の性能に関わる複数のパラメータについて、各パラメータに対して各々設定された探索範囲から最適値を探索する機能を備えコンピュータに、
前記複数のパラメータごとに探索範囲から選ばれたパラメータ値の組み合わせを複数含むパラメータ実験計画に基づいて前記性能を評価する実験を行うことで得られる性能評価値の統計量をもとに、前記複数のパラメータのうちで前記性能に最も影響を与えると推定される対象パラメータを選定する機能と、
選定された前記対象パラメータの探索範囲を、前記実験を行う前よりも狭めるように更新する機能と、
を実現させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017120437A JP6571134B2 (ja) | 2017-06-20 | 2017-06-20 | パラメータ最適化装置、パラメータ最適化方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017120437A JP6571134B2 (ja) | 2017-06-20 | 2017-06-20 | パラメータ最適化装置、パラメータ最適化方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019008342A JP2019008342A (ja) | 2019-01-17 |
JP6571134B2 true JP6571134B2 (ja) | 2019-09-04 |
Family
ID=65028927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017120437A Active JP6571134B2 (ja) | 2017-06-20 | 2017-06-20 | パラメータ最適化装置、パラメータ最適化方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6571134B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7252449B2 (ja) * | 2019-05-16 | 2023-04-05 | 富士通株式会社 | 最適化装置、最適化システム、最適化方法および最適化プログラム |
CN116027756B (zh) * | 2023-02-24 | 2023-07-04 | 季华实验室 | 生产参数在线最优化方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003173328A (ja) * | 2001-12-05 | 2003-06-20 | Mitsubishi Electric Corp | 最適パラメータ推定装置及び最適パラメータ推定方法 |
JP2006197224A (ja) * | 2005-01-13 | 2006-07-27 | Konica Minolta Holdings Inc | 最適圧縮条件導出システム |
TWI428767B (zh) * | 2006-06-26 | 2014-03-01 | Ibm | 最佳化配置系統參數集之方法,程式及裝置 |
-
2017
- 2017-06-20 JP JP2017120437A patent/JP6571134B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019008342A (ja) | 2019-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20110055212A1 (en) | Density-based data clustering method | |
US10303447B2 (en) | Program generating apparatus and method therefor | |
US20170053204A1 (en) | Program generation apparatus and program generation method | |
US9058540B2 (en) | Data clustering method and device, data processing apparatus and image processing apparatus | |
JP2017097807A (ja) | 学習方法、学習プログラムおよび情報処理装置 | |
JP6102947B2 (ja) | 画像処理装置及び特徴検出方法 | |
JP6571134B2 (ja) | パラメータ最適化装置、パラメータ最適化方法およびプログラム | |
JP7003753B2 (ja) | 探索点決定プログラム、探索点決定方法および探索点決定装置 | |
US9250931B2 (en) | System, method, and computer program product for calculating settings for a device, utilizing one or more constraints | |
US10600501B2 (en) | System and methods for identifying a base call included in a target sequence | |
JP7115207B2 (ja) | 学習プログラム、学習方法および学習装置 | |
JP2021065699A (ja) | ユーザ分析およびコンテンツ選択の装置および方法 | |
JP5676692B2 (ja) | 機械学習装置、機械学習方法、およびプログラム | |
JP5973636B1 (ja) | 異常ベクトル検出装置および異常ベクトル検出プログラム | |
CN106610977B (zh) | 一种数据聚类方法和装置 | |
JP5794181B2 (ja) | プログラム、分析方法、情報処理装置 | |
CN107515876B (zh) | 一种特征模型的生成、应用方法及装置 | |
CN110855692B (zh) | 面向拟态构造Web服务器的执行体调度方法 | |
US11372379B2 (en) | Computer system and control method | |
JP6707946B2 (ja) | データクラスタリング方法、情報処理装置およびデータクラスタリングプログラム | |
JP2013025429A (ja) | セキュリティ評価装置、セキュリティ評価装置のセキュリティ評価方法、セキュリティ評価プログラム | |
CN103578274A (zh) | 一种交通流预测方法及装置 | |
US11151458B2 (en) | Apparatus and method for generating image processing program using genetic programming | |
WO2020206696A1 (zh) | 应用清理方法、装置、存储介质及电子设备 | |
JP2015111410A (ja) | データパターン分析最適化処理装置、及びデータパターン分析最適化処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180328 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190402 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190709 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190807 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6571134 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |