[2D6-GS-2] 機械学習：ベイス推定

[2D6-GS-2-04] モンテカルロ獲得関数を用いたリスク回避異分散ベイズ最適化

〇佐野 雄大¹、仲川 和真¹、池内 崇² (1. 株式会社SCREENアドバンストシステムソリューションズ、2. 株式会社SCREENホールディングス)

キーワード：異分散ベイズ最適化、モンテカルロ獲得関数、入力依存ノイズ

平均-分散目的関数に基づき入力依存ノイズを最小化しつつブラックボックス関数を最適化するリスク回避異分散ベイズ最適化はさまざまなブラックボックス最適化タスクにおいて実用的な手法である. それによって, 異分散ガウス過程から得られる2つの予測分布で定義される異分散獲得関数を介して所望の関数値と低ノイズ分散を持つ解が得られる. しかし, 従来法では並列最適化ができず, ブラックボックス最適化タスクにかかる時間を節約できない. 本稿では, リスク回避異分散ベイズ最適化のための新たな並列化手法を提案する. すなわち, 平均-分散目的関数と対応する予測分布を構築することで, モンテカルロ獲得関数の利用を可能とする. くわえて, 提案した並列化手法の性能が従来の非並列化手法と同等であることを実験的に示す.