JP7310884B2 - パラメータ推定装置、パラメータ推定方法、及びパラメータ推定プログラム - Google Patents
パラメータ推定装置、パラメータ推定方法、及びパラメータ推定プログラム Download PDFInfo
- Publication number
- JP7310884B2 JP7310884B2 JP2021520026A JP2021520026A JP7310884B2 JP 7310884 B2 JP7310884 B2 JP 7310884B2 JP 2021520026 A JP2021520026 A JP 2021520026A JP 2021520026 A JP2021520026 A JP 2021520026A JP 7310884 B2 JP7310884 B2 JP 7310884B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- optimum
- objective function
- value
- partial
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
Rolland, P., Scarlett, J., Bogunovic, I., and Cevher, V.: Highdimensional Bayesian optimization via additive models with overlapping groups.International Conference on Articial Intelligence and Statistics (AISTATS),pp. 298{307 (2018)
ここで、本開示の実施形態の前提条件について説明する。本実施形態では、局所的な場所で観察された通行人数yをもとに、実際の人流に近い人流シミュレーションを再現する入力パラメータxの推定を行う問題を例に説明する。
f:xを入力としたシミュレーションの出力データysimと、実際の観測値yobsの差
・・・(1)
・・・(2)
・・・(3)
・・・(4)
・・・(5)
・・・(6)
は過去の最適なパラメータxbestであり、最適化実行部102の処理の繰り返し実行が初回の場合には、当該部分関数1の部分関数最適値DB170の最適入力パラメータを用いる。2回目以降の場合には最適値DB190の最適入力パラメータを用いる。
・・・(7)
・・・(8)
・・・(9)
メモリと、
前記メモリに接続された少なくとも1つのプロセッサと、
を含み、
前記プロセッサは、
部分関数の各々の数と、前記部分関数の各々に対する変数とを決定し、
決定した前記数分の部分関数の各々において、
前記部分関数の各々のうちの1の前記部分関数について、前記変数について選んだ所定の入力パラメータを、予め与えられた観測値に関する目的関数値を出力する所定の装置に入力し、前記目的関数値を取得することを繰り返し、
取得した前記目的関数値に基づいて1つ以上の次の観測対象パラメータを決定し、決定した次の観測対象パラメータを前記所定の装置に入力し、前記目的関数値を取得し、
取得した前記目的関数値に基づいて、前記部分関数の最適入力パラメータ及び目的関数最適値を算出し、
前記部分関数の各々の前記最適入力パラメータの変数を組み合わせ、全体の関数の入力パラメータに関する最適値候補の各々を算出し、算出した前記最適値候補の各々のうち、前記目的関数最適値に基づく前記目的関数値が最適となる前記最適値候補を、全体の関数についての最適入力パラメータとして決定する、
ように構成されているパラメータ推定装置。
部分関数の各々の数と、前記部分関数の各々に対する変数とを決定し、
決定した前記数分の部分関数の各々において、
前記部分関数の各々のうちの1の前記部分関数について、前記変数について選んだ所定の入力パラメータを、予め与えられた観測値に関する目的関数値を出力する所定の装置に入力し、前記目的関数値を取得することを繰り返し、
取得した前記目的関数値に基づいて1つ以上の次の観測対象パラメータを決定し、決定した次の観測対象パラメータを前記所定の装置に入力し、前記目的関数値を取得し、
取得した前記目的関数値に基づいて、前記部分関数の最適入力パラメータ及び目的関数最適値を算出し、
前記部分関数の各々の前記最適入力パラメータの変数を組み合わせ、全体の関数の入力パラメータに関する最適値候補の各々を算出し、算出した前記最適値候補の各々のうち、前記目的関数最適値に基づく前記目的関数値が最適となる前記最適値候補を、全体の関数についての最適入力パラメータとして決定する、
ことをコンピュータに実行させるパラメータ推定プログラムを記憶した非一時的記憶媒体。
101 関数分解部
102 最適化実行部
110 関数分解決定部
130 部分関数最適化実行部
150 最適値決定部
120 分解情報DB
160 部分関数最適化DB
170 部分関数最適値DB
180 最適化DB
190 最適値DB
Claims (8)
- 部分関数の各々の数と、前記部分関数の各々に対する変数とを決定する関数分解部と、
決定した前記数分の部分関数最適化実行部の各々であって、
前記部分関数の各々のうちの1の前記部分関数について、前記変数について選んだ所定の入力パラメータを、予め与えられた観測値に関する目的関数値を出力する所定の装置に入力し、前記目的関数値を取得することを繰り返し、
取得した前記目的関数値に基づいて1つ以上の次の観測対象パラメータを決定し、決定した次の観測対象パラメータを前記所定の装置に入力し、前記目的関数値を取得し、
取得した前記目的関数値に基づいて、前記部分関数の最適入力パラメータ及び目的関数最適値を算出する部分関数最適化実行部の各々と、
前記部分関数の各々の前記最適入力パラメータの変数を組み合わせ、全体の関数の入力パラメータに関する最適値候補の各々を算出し、算出した前記最適値候補の各々のうち、前記目的関数最適値に基づく前記目的関数値が最適となる前記最適値候補を、全体の関数についての最適入力パラメータとして決定する最適値決定部と、
を含むパラメータ推定装置。 - 前記所定の入力パラメータと前記目的関数値との関係を表す関数を、確率モデルにより近似し、前記近似した関数と、前記目的関数値が最適となる前記所定の入力パラメータを用いた獲得関数を用いて、次の観測対象パラメータを決定する請求項1に記載のパラメータ推定装置。
- 前記最適値決定部は、
前記部分関数最適化実行部による前記次の観測対象パラメータを用いた目的関数値の取得、前記部分関数の最適入力パラメータ及び目的関数最適値の算出、並びに前記最適値決定部による処理を所定の回数繰り返させる請求項1又は請求項2に記載のパラメータ推定装置。 - 前記繰り返させる場合において、前記部分関数最適化実行部は、繰り返しの一つの前の前記最適値決定部による処理で決定された前記全体の関数についての最適入力パラメータの周辺を優先するように、前記次の観測対象パラメータを決定する請求項3に記載のパラメータ推定装置。
- 部分関数の各々の数と、前記部分関数の各々に対する変数とを決定し、
決定した前記数分の部分関数の各々において、前記部分関数の各々のうちの1の前記部分関数について、前記変数について選んだ所定の入力パラメータを、予め与えられた観測値に関する目的関数値を出力する所定の装置に入力し、前記目的関数値を取得することを繰り返し、
決定した前記数分の部分関数の各々において、取得した前記目的関数値に基づいて1つ以上の次の観測対象パラメータを決定し、決定した次の観測対象パラメータを前記所定の装置に入力し、前記目的関数値を取得し、
決定した前記数分の部分関数の各々において、取得した前記目的関数値に基づいて、前記部分関数の最適入力パラメータ及び目的関数最適値を算出し、
前記部分関数の各々の前記最適入力パラメータの変数を組み合わせ、全体の関数の入力パラメータに関する最適値候補の各々を算出し、算出した前記最適値候補の各々のうち、前記目的関数最適値に基づく前記目的関数値が最適となる前記最適値候補を、全体の関数についての最適入力パラメータとして決定する、
ことを含む処理をコンピュータが実行することを特徴とするパラメータ推定方法。 - 前記所定の入力パラメータと前記目的関数値との関係を表す関数を、確率モデルにより近似し、前記近似した関数と、前記目的関数値が最適となる前記所定の入力パラメータを用いた獲得関数を用いて、次の観測対象パラメータを決定する請求項5に記載のパラメータ推定方法。
- 前記次の観測対象パラメータを用いた目的関数値の取得、前記部分関数の最適入力パラメータ及び目的関数最適値の算出、並びに前記全体の関数についての最適入力パラメータとして決定するための処理を所定の回数繰り返させる請求項5又は請求項6に記載のパラメータ推定方法。
- 部分関数の各々の数と、前記部分関数の各々に対する変数とを決定し、
決定した前記数分の部分関数の各々において、前記部分関数の各々のうちの1の前記部分関数について、前記変数について選んだ所定の入力パラメータを、予め与えられた観測値に関する目的関数値を出力する所定の装置に入力し、前記目的関数値を取得することを繰り返し、
決定した前記数分の部分関数の各々において、取得した前記目的関数値に基づいて1つ以上の次の観測対象パラメータを決定し、決定した次の観測対象パラメータを前記所定の装置に入力し、前記目的関数値を取得し、
決定した前記数分の部分関数の各々において、取得した前記目的関数値に基づいて、前記部分関数の最適入力パラメータ及び目的関数最適値を算出し、
前記部分関数の各々の前記最適入力パラメータの変数を組み合わせ、全体の関数の入力パラメータに関する最適値候補の各々を算出し、算出した前記最適値候補の各々のうち、前記目的関数最適値に基づく前記目的関数値が最適となる前記最適値候補を、全体の関数についての最適入力パラメータとして決定する、
ことをコンピュータに実行させるパラメータ推定プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/020540 WO2020235104A1 (ja) | 2019-05-23 | 2019-05-23 | パラメータ推定装置、パラメータ推定方法、及びパラメータ推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020235104A1 JPWO2020235104A1 (ja) | 2020-11-26 |
JP7310884B2 true JP7310884B2 (ja) | 2023-07-19 |
Family
ID=73459433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021520026A Active JP7310884B2 (ja) | 2019-05-23 | 2019-05-23 | パラメータ推定装置、パラメータ推定方法、及びパラメータ推定プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220222542A1 (ja) |
JP (1) | JP7310884B2 (ja) |
WO (1) | WO2020235104A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10317857B2 (en) * | 2013-03-15 | 2019-06-11 | Rockwell Automation Technologies, Inc. | Sequential deterministic optimization based control system and method |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016523402A (ja) | 2013-05-30 | 2016-08-08 | プレジデント アンド フェローズ オブ ハーバード カレッジ | ベイズの最適化を実施するためのシステムおよび方法 |
JP2018156619A (ja) | 2017-03-16 | 2018-10-04 | 株式会社デンソー | 連続最適化問題の大域的探索装置及びプログラム |
-
2019
- 2019-05-23 JP JP2021520026A patent/JP7310884B2/ja active Active
- 2019-05-23 US US17/613,042 patent/US20220222542A1/en active Pending
- 2019-05-23 WO PCT/JP2019/020540 patent/WO2020235104A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016523402A (ja) | 2013-05-30 | 2016-08-08 | プレジデント アンド フェローズ オブ ハーバード カレッジ | ベイズの最適化を実施するためのシステムおよび方法 |
JP2018156619A (ja) | 2017-03-16 | 2018-10-04 | 株式会社デンソー | 連続最適化問題の大域的探索装置及びプログラム |
Non-Patent Citations (1)
Title |
---|
HOANG, Trong Nghia ほか,"Decentralized High-Dimensional Bayesian Optimization with Factor Graphs",arXiv.org [オンライン],arXiv:1711.07033v3,Cornell University,2018年,[検索日 2019.08.07], インターネット: <URL: https://arxiv.org/pdf/1711.07033v3.pdf> |
Also Published As
Publication number | Publication date |
---|---|
US20220222542A1 (en) | 2022-07-14 |
JPWO2020235104A1 (ja) | 2020-11-26 |
WO2020235104A1 (ja) | 2020-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Probst et al. | Tunability: Importance of hyperparameters of machine learning algorithms | |
Kleijnen | Design and analysis of simulation experiments | |
Baumann et al. | Reliable estimation of prediction errors for QSAR models under model uncertainty using double cross-validation | |
Dasari et al. | Random forest surrogate models to support design space exploration in aerospace use-case | |
Al-Janabi et al. | Empirical rapid and accurate prediction model for data mining tasks in cloud computing environments | |
Češka et al. | PRISM-PSY: precise GPU-accelerated parameter synthesis for stochastic systems | |
CN112805769B (zh) | 秘密s型函数计算系统、装置、方法及记录介质 | |
JP2009265730A (ja) | 情報処理装置および方法、並びにプログラム | |
CN108280513B (zh) | 模型生成方法和装置 | |
Schmidt et al. | Order-independent constraint-based causal structure learning for gaussian distribution models using GPUs | |
JP7310884B2 (ja) | パラメータ推定装置、パラメータ推定方法、及びパラメータ推定プログラム | |
JP7283065B2 (ja) | 推定装置、最適化装置、推定方法、最適化方法、及びプログラム | |
JP2019016193A (ja) | 分析方法、分析装置及び分析プログラム | |
JP6669075B2 (ja) | 領域線形モデル最適化システム、方法およびプログラム | |
Yazıcı et al. | A computational approach to nonparametric regression: bootstrapping CMARS method | |
CN114399025A (zh) | 一种图神经网络解释方法、系统、终端以及存储介质 | |
JP6992343B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP6743902B2 (ja) | マルチタスク関係学習システム、方法およびプログラム | |
CN112154495B (zh) | 秘密批量近似系统及方法、秘密计算装置、记录介质 | |
Müller et al. | On generalized surrogate duality in mixed-integer nonlinear programming | |
JP7131356B2 (ja) | 最適化装置、最適化プログラムおよび最適化方法 | |
JP6992821B2 (ja) | 分類木生成方法、分類木生成装置および分類木生成プログラム | |
Wacker et al. | Local random feature approximations of the gaussian kernel | |
Mansouri et al. | PAC: Privacy-preserving arrhythmia classification with neural networks | |
JPWO2016056503A1 (ja) | 部分文字列位置検出装置、部分文字列位置検出方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211018 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230206 |
|
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: 20230606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230619 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7310884 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |