論文の概要: Bayesian Optimization for Cascade-type Multi-stage Processes
- arxiv url: http://arxiv.org/abs/2111.08330v1
- Date: Tue, 16 Nov 2021 10:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 00:12:28.444413
- Title: Bayesian Optimization for Cascade-type Multi-stage Processes
- Title（参考訳）: カスケード型多段プロセスのベイズ最適化
- Authors: Shunya Kusakawa, Shion Takeno, Yu Inatsu, Kentaro Kutsukake, Shogo
Iwazaki, Takashi Nakano, Toru Ujihara, Masayuki Karasuyama, Ichiro Takeuchi
- Abstract要約: カスケードプロセスは、1つのステージの出力を次のステージの入力として使用する多段階プロセスである。
本稿では,信頼区間と期待される改善に基づく2種類の獲得関数(AF)を提案する。
提案手法を太陽電池シミュレータの最適化問題に適用する。
- 参考スコア（独自算出の注目度）: 16.650951192967646
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Complex processes in science and engineering are often formulated as
multi-stage decision-making problems. In this paper, we consider a type of
multi-stage decision-making process called a cascade process. A cascade process
is a multi-stage process in which the output of one stage is used as an input
for the next stage. When the cost of each stage is expensive, it is difficult
to search for the optimal controllable parameters for each stage exhaustively.
To address this problem, we formulate the optimization of the cascade process
as an extension of Bayesian optimization framework and propose two types of
acquisition functions (AFs) based on credible intervals and expected
improvement. We investigate the theoretical properties of the proposed AFs and
demonstrate their effectiveness through numerical experiments. In addition, we
consider an extension called suspension setting in which we are allowed to
suspend the cascade process at the middle of the multi-stage decision-making
process that often arises in practical problems. We apply the proposed method
in the optimization problem of the solar cell simulator, which was the
motivation for this study.
- Abstract（参考訳）: 科学と工学の複雑なプロセスはしばしば多段階意思決定問題として定式化される。
本稿では,カスケードプロセスと呼ばれる多段階意思決定プロセスについて考察する。
カスケードプロセスは、1つのステージの出力を次のステージの入力として使用する多段階プロセスである。
各ステージのコストが高い場合、各ステージの最適制御可能なパラメータを徹底的に探索することは困難である。
この問題に対処するため,ベイズ最適化フレームワークの拡張としてカスケードプロセスの最適化を定式化し,信頼区間と期待改善に基づく2種類の獲得関数(AF)を提案する。
提案するafsの理論特性を調査し,その効果を数値実験により実証する。
また,実際に発生する多段階意思決定プロセスの途中でカスケードプロセスの停止を許可するサスペンション設定という拡張についても検討する。
本研究の動機となった太陽電池シミュレータの最適化問題に提案手法を適用した。
関連論文リスト
- Optimization of Complex Process, Based on Design Of Experiments, a Generic Methodology [32.352947507436355]
Pollen Metrology、Aledia、Universite Clermont-Auvergneが行った共通の作業は、一般的なプロセス最適化ワークフローに繋がった。
本稿では,実験とプロセス専門家が検証した方法論の要点について述べる。
論文 参考訳（メタデータ） (2024-10-14T08:05:56Z) - Bayesian Optimization for Non-Convex Two-Stage Stochastic Optimization Problems [2.9016548477524156]
知識に基づく獲得関数を定式化し,第1段と第2段の変数を協調的に最適化する。
可変型間の寸法と長さの差が2段階アルゴリズムの非効率性をもたらすことを示す。
論文 参考訳（メタデータ） (2024-08-30T16:26:31Z) - Process-constrained batch Bayesian approaches for yield optimization in multi-reactor systems [2.812898346527047]
本研究は,マルチリアクタ系における反応の収率を最適化する新しい手法を提案する。
シーケンシャルなバッチ最適化戦略において、探索とエクスプロイトの間の実験的制約とバランスを統合する。
論文 参考訳（メタデータ） (2024-08-05T15:26:39Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Contextual Stochastic Bilevel Optimization [50.36775806399861]
文脈情報と上層変数の期待を最小化する2レベル最適化フレームワークCSBOを導入する。
メタラーニング、パーソナライズドラーニング、エンド・ツー・エンドラーニング、Wassersteinはサイド情報(WDRO-SI)を分散的に最適化している。
論文 参考訳（メタデータ） (2023-10-27T23:24:37Z) - Numerical Methods for Convex Multistage Stochastic Optimization [86.45244607927732]
最適化プログラミング(SP)、最適制御(SOC)、決定プロセス(MDP)に焦点を当てる。
凸多段マルコフ問題の解決の最近の進歩は、動的プログラミング方程式のコスト対ゴー関数の切断面近似に基づいている。
切削平面型法は多段階問題を多段階的に扱えるが、状態(決定)変数は比較的少ない。
論文 参考訳（メタデータ） (2023-03-28T01:30:40Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Constrained multi-objective optimization of process design parameters in
settings with scarce data: an application to adhesive bonding [48.7576911714538]
接着プロセスに最適なプロセスパラメータを見つけることは困難である。
遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。
本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
論文 参考訳（メタデータ） (2021-12-16T10:14:39Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Complexity of Stochastic Dual Dynamic Programming [7.177693955272473]
まず, 簡単な多段最適化問題の解法として, 基本的動的切削平面法が要求する反復数, すなわち複雑性を確立する。
次に、これらの基本的なツールを洗練し、決定論的および双対動的プログラミング手法の反復複雑性を確立する。
論文 参考訳（メタデータ） (2019-12-16T20:56:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。