文献

J-GLOBAL ID：202202277516421736   整理番号：22A3148229

入力依存の分散を考慮したベイズ最適化によるビジネス施策決定モデルの提案

A Proposal of Business Decision-Making Model by Bayesian Optimization Considering Input-Dependent Dispersion

著者 (4件)： 良川太河 (早稲田大 大学院創造理工学研究科) ,  阪井優太 (早稲田大 大学院創造理工学研究科) ,  YANG Tianxiang (早稲田大 創造理工) ,  後藤正幸 (早稲田大 創造理工)
資料名： 情報理論とその応用シンポジウム予稿集(CD-ROM)  (SITA)
巻： 45th  ページ： ROMBUNNO.5.4.2  発行年： 2022年11月22日 
JST資料番号： L4801B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・ビジネス施策の決定に向けた機械学習において,逐次最適化手法の一つであるベイズ最適化の評価指標として用いられる獲得関数に対し,利益を最大にする施策の導出が可能な獲得関数を提案。
・準備として変数の定義,ガウス過程回帰,ベイズ最適化,および出力の誤差分散を考慮するガウス過程回帰モデルであるhetGPを説明。
・hetGPで推定した関数をベイズ最適化に適用した従来手法の問題点を示し,データ数による不確実性と取得データ数を考慮した分散の更新率をそれぞれ考慮した提案の獲得関数を説明。
・人工データによる評価実験を行い,提案手法は従来手法に比べ少ないステップ数で最適解の探索を行い,また様々な入力において探索を行っていることを確認。

シソーラス用語： *市場戦略 ,  Bayes推定 ,  最適化手法 ,  逐次近似 ,  *機械学習 ,  学習モデル ,  分散【variance】
準シソーラス用語： Bayes最適化 ,  *ビジネス戦略 ,  誤差分散

分類 (2件)： マーケティング  (KA06020W) ,  人工知能  (JE08000Z)

引用文献 (6件)：

• 金子弘昌. Python で学ぶ実験計画法入門 ベイズ最適化によるデータ解析. 講談社, 2021.
• Mickaël Binois and Robert B Gramacy. hetGP: Heteroskedastic gaussian process modeling and sequential design in R. 2021.
• 持橋大地, 大羽成征. ガウス過程と機械学習. 講談社,2019.
• Jasper Snoek, Hugo Larochelle, and Ryan P Adams. Practical bayesian optimization of machine learning algorithms. Advances in neural information processing systems, Vol. 25, , 2012.
• Donald R Jones, Matthias Schonlau, and William J Welch. Efficient global optimization of expensive black-box functions. Journal of Global optimization, Vol. 13, No. 4, pp. 455-492, 1998.

タイトルに関連する用語 (5件)： ベイズ最適化 ,  ビジネス ,  施策 ,  モデル ,  提案