日時：2022年05月30日 17時10分〜

場所：Zoom ※参加の際，ご所属とお名前の表示をお願い致します

—-

このミーティングに事前登録する：

https://us02web.zoom.us/meeting/register/tZ0pfuGppzssEtLijD3FRp7D9qPeqZGm8vOD

登録後，ミーティング参加に関する情報の確認メールが届きます．

—-

講師：日野 英逸 氏（統計数理研究所 モデリング研究系教授）

<要旨>

機械学習⼿法を実問題に適⽤する際には、モデルのハイパーパラメタを適切にチューニングする必要がある。情報量規準やクロスバリデーションを⽤いて機械的に適切なハイパーパラメタを求める⽅法はあるが、複雑なモデルの学習には⼤きな計算コストが必要となり、網羅的なハイパーパラメタ探索は現実的でない。ベイズ最適化は⼀般に効率的なブラックボックス最適化のための⽅法として広く⽤いられているが、それに伴う計算コストや消費電⼒は機械学習⼿法の適⽤において⽀配的である。本講演では、ベイズ最適化を適切なタイミングで停⽌させる⽅法論を紹介する。また、ハイパーパラメタ探索の特別な場合として、深層ニューラルネットワーク構造の設計プロセスを⾃動化するためのフレームワークであるニューラル・アーキテチャ・サーチ(NAS)の問題と、その最適停⽌⼿法についても述べる。