6 0 0 0 構造出力の逆問題のためのベイズ的能動学習
試料表面の測定位置を変えて物理量の空間分布を求めるマッピング測定は、材料評価の基本的な方法である。通常、マッピングは等間隔な座標に沿って実行される。しかしながら、その場合、測定の目的に対して非効率的な測定点も含まれる。そこで、より少ない計測点からより確からしい物理量分布を得ることを目指した。本研究では、太陽電池用シリコンのキャリアライフタイムマッピングに境界位置を効率的に推定する手法であるLSEを適用し、低品質領域の推定を行った。
1 0 0 0 OA 構造出力の逆問題のためのベイズ的能動学習
- 著者
- 松井 孝太 草川 隼也 安藤 圭理 沓掛 健太郎 宇治原 徹 竹内 一郎
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 第34回全国大会(2020)
- 巻号頁・発行日
- pp.2J1GS201, 2020 (Released:2020-06-19)
所望の構造出力(ここでは各要素が相関を持つ多次元ベクトルを指す)を達成する入力パラメータを見つける逆問題のための能動学習法を提案する. 理論的な貢献として,ブラックボックスなベクトル値の目的関数に対して出力の要素間の相関を明示的にガウス過程モデルに取り込むことにより,少ない観測点数で所望の構造出力とモデルによる予測との間の誤差を最小化するための新たな獲得関数を提案した.また,提案法を人工の形状探索問題,多出力のベンチマーク問題および炭化ケイ素結晶成長モデリングの実データを用いた成長速度分布の探索問題に適用し有効性を検証した.数値実験の結果,提案法は相関を考慮しないモデリングに比べて高速に所望の出力を発見できることを確認した.
1 0 0 0 OA Factorization Machinesを用いたCoxハザードモデル
生存時間分析はイベントが発生するまでの時間を分析するための手法であり、多くの分野で使用されている。 この生存時間分析の中で最も良く用いられるモデルとして、Cox比例ハザードモデルがある。Cox比例ハザードモデルはイベントの詳細な分布が分からない場合でも利用でき、また線形式の係数により特徴の重要性を解釈することができる。しかし一方で特徴の線形な関係性しか利用できないという問題がある。非線形なCoxモデルも研究されているが、それらのモデルでは解釈ができない欠点がある。本研究では、CoxハザードモデルにFactorization Machines (FM)を導入したモデルを提案する。このモデルでは共変量間の相互作用を利用でき、また解釈も可能である。提案手法の性能を評価するため、実際の遺伝子データから特徴選択を行い、それによって選択された特徴を用いて実験を行った。その結果、提案手法が既存手法に比べ良い性能を示すことを確認した。