[IBIS2011 企画セッション プレビュー] 大規模最適化および リスク指向最適化の最新解法 ご講演者 オーガナイザー 山下信雄 (京都大学) 藤澤克樹 (中央大学) 武田朗子 (慶應大学) 恐神貴行 (IBM) 比戸将平(IBM)
機械学習にとっての最適化 機械学習 最適化 必要不可欠 共に進歩 実問題が導く 新しい問題設定 min f(x) s.t gi(x)≦0, hi(x)=0 高速化・精度向上の 新しい解法 “Optimization for Machine Learning” S. Sra, S, Nowozin, S. J. Wright (eds.), 2011.
本セッションの目的 大規模とリスク指向という2つの軸において 最新の話題を専門家の方々にお話頂く 大規模:Big Dataにおける学習のスケーラビリティ リスク指向:非決定的な状況における学習 大規模 リスク指向 大規模凸最適化問題に対する勾配法 山下信雄 (京都大学) 不確実な最適化問題に対する ロバスト最適化 武田朗子 (慶應大学) 大規模半正定値計画問題に対する ソフトウェアと高速&安定計算による 解決 —理論からスパコンまで— 藤澤克樹 (中央大学) 時間整合的マルコフ決定過程 恐神貴行 (IBM)
大規模凸最適化問題に対する勾配法 山下信雄 (京都大学) 大規模凸最適化問題に対する勾配法 山下信雄 (京都大学) 近接勾配法の紹介と高速化 局所的エラーバウンドの観点から 問題に特化したBregman距離の選択
大規模半正定値計画問題に対するソフトウェアと高速&安定計算による解決 —理論からスパコンまで— 藤澤克樹 (中央大学) 大規模SDPソフトウェアプロジェクト 主双対内点法の発展 スーパーコンピュータ上での実装と高速化 クラウドを利用した最適化Online Solver
不確実な最適化問題に対するロバスト最適化 武田朗子 (慶應大学) ロバスト最適化問題の歴史と解法 ロバスト判別モデルの提案 既存モデル(SVMやFDA)の一般化
時間整合的マルコフ決定過程 恐神貴行 (IBM) 経路選択問題をマルコフ決定過程で定式化 従来のリスク指向MDPの問題点を指摘 それを解決する新しいクラスのMDPを提案