文献

J-GLOBAL ID：201702247109138696   整理番号：17A1772645

最適化アルゴリズムにおけるオンライン機械学習の応用:局所探索のための事例研究【Powered by NICT】

Application of on-line machine learning in optimization algorithms: A case study for local search

著者 (2件)： Hao Cong (Graduate School of IPS, Waseda University) ,  Yoshimura Takeshi (Graduate School of IPS, Waseda University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEEC  ページ： 19-24  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習に関する研究は,数年間繁栄し,大きな成果を様々な分野に適用されている機械学習アルゴリズム。本論文では,オンライン機械学習法を組み合わせた最適化アルゴリズムへの研究が必要である。多くの発見的最適化アルゴリズムでは,実行時間の縮小と解の最適性を改善するための一つの一般的な方法である,最初のセット候補解の品質を推定し,詳細に有望なのみ候補を解く。現在最も推定は経験的方程式,方程式を設計したかその精度に大きく依存するにより行った。本論文では,著者らは,推定精度を改善するために発見的アルゴリズムにおける解推定を行うオンラインベース学習推定器を提案した。簡単な事例研究を考察し,ランダムスタート局所探索に基づくヒューリスティックを用い,局所探索の特性を考慮したオンライン推定器を提案した。実験はオンライン推定量の精度は静的推定器よりもはるかに高く,一般的なオフライン事前学習者よりも高いことを示した。オンライン推定器は,その訓練のための特別な時間を導入したにもかかわらず,発見的アルゴリズムは最適性犠牲にすることなく3.7Xによるスピードアップする。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *機械学習 ,  学習アルゴリズム ,  *学習 ,  推定量 ,  品質 ,  *近傍探索法 ,  実験式 ,  *事例研究 ,  発見的アルゴリズム ,  推定精度
準シソーラス用語： ヒューリスティック ,  最適性 ,  実行時間 ,  *オンライン ,  *最適アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 最適化アルゴリズム ,  オンライン ,  機械学習 ,  応用 ,  局所探索 ,  研究