凸最適化理論に基づく最適保障スクリーニングと
大規模機械学習への応用

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

日時 2016年9月14日 14:00~15:00
場所 工学部A1棟3階 A1-331室 
講演者 竹内 一郎 氏(名古屋工業大学)
講演題目 凸最適化理論に基づく最適保障スクリーニングと大規模機械学習への応用
講演要旨 機械学習アルゴリズムの多くは凸最適化問題として定式化される。
例えばサポートベクトルマシンの学習は2次計画問題として定式化され、大規模データに適用する際には
効率的な最適化アルゴリズムが必要とされている。しかしながら、機械学習モデルを用いてなんらかのタスク(意思決定)
を行う際には必ずしも最適解が必要ない場合がある。
例えば、2クラス分類問題では(最適解により特徴づけられる)識別関数の符号さえ分かれば十分であり、最適解そのものを知る必要はない。
本講演では、最適解を求めることなく近似解のみを用いて機械学習のタスクを行うアプローチを考察する。
このアプローチの特徴は、最適解を用いずに最適な意思決定が行えることを保証できることである。近似解を用いるだけで
最適なアクションが保証できれば、最適化に必要なコストを削減できる。
講演においては、上述のアプローチをスパースモデリングとモデル選択の効率化のために利用した例を紹介する。
前者では、最適解を求めることなく最適解で零となるパラメータを事前に同定する方法を紹介し、
後者では、近似解を用いるだけで最適なハイパーパラメータを選択できる場合があることを紹介する。