離散構造のオンライン予測に関する研究

离散结构在线预测研究

• 批准号: 16J04621
• 负责人: 藤田 隆寛
• 金额: $ 0.83万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2016
• 资助国家: 日本
• 起止时间: 2016-04-22 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16J04621/
• 关键词: オンライン予測; 機械学習; 離散最適化; ブースティング; ZDD; 多腕バンディット問題; ランキング

本研究では，オンライン組合せ最適化問題を扱った．この問題は，決定空間が組合せ論的に定義されるオンライン最適化問題であり，実世界に多くの応用を持つ．一方，有用な問題の多くは，対応するオフライン版の組合せ最適化問題がNP困難であることから，計算量の問題を克服する必要がある．既存の研究成果として，効率的なオンライン組合せ最適化アルゴリズムが存在するための十分条件が与えられている．その条件とは，ある凸な緩和空間が存在して，(i) その緩和空間への射影が容易であること，および，(ii) 緩和空間からの効率の良いメタラウンディングが存在することである．それに対する本年度の研究成果として，上記の十分条件をさらに一般化することに成功した．具体的には，上記の条件 (i) を緩め，緩和空間を含む複数の階層的な緩和空間が存在して，外側の緩和空間から内側の緩和空間に向けて段階的に射影する問題が効率よく解ければ良いことを示した．本手法の適用例として，オンラインジョブスケジューリングがあり，最適な性能を持つアルゴリズムを与えた．また，大規模機械学習に対する新しいアプローチとして，圧縮データ上の学習法を提案した．提案手法は，まず訓練データを閉路のない有向グラフによる圧縮表現に変換し，データを陽に展開することなく，訓練データ上のブースティングを正確に模倣する．本手法では，訓練データの各事例が有向グラフの道に1対1対応するため，本手法におけるブースティングは，グラフの道集合を決定空間とするオンライン組合せ最適化問題とみなすことができる．道集合に対する効率的なオンライン組合せ最適化アルゴリズムを利用することにより，提案手法は，各試行につきグラフのサイズに比例する時間で動作する．これは，訓練データの圧縮率が高いほど計算効率が良いことを意味し，大規模機械学習の新しい方法論として期待できる．

This study focuses on the せ optimization problem of the combination of で で, and を ラ ラ ラ ラ を った. は こ の problem, theory of decision space が combination せ に definition さ れ る オ ン ラ イ ン optimization problem で あ り, be world に more く の 応 with を つ. Side, useful な question の く は, 応 seaborne す る オ フ ラ イ ン version の せ combination optimization problem が NP difficult で あ る こ と か ら, computation の を overcome す る necessary が あ る. Existing の research と し て, sharper rate な オ ン ラ イ ン せ combination optimization ア ル ゴ リ ズ ム が exist す る た め が の very conditions and え ら れ て い る. そ の conditions と は, あ る convex が な moderate space exists し て, (I) そ の moderate space へ の projective が easy で あ る こ と, お よ び, (ii) moderate space か ら の good working rate の い メ タ ラ ウ ン デ ィ ン グ が exist す る こ と で あ る. Youdaoplaceholder0 for the <s:1> research results of the する year と て て, the above note indicates that the をさらに generalization under ten conditions をさらに する する とに successfully た た. Specific に は, written の conditions (I) を slow め, moderate space を な moderate space containing む plural の class が exist し て, lateral の moderate space か ら medial に の moderate space to け て Duan Jie に of projective す る problem が sharper rate よ く solution け れ ば good い こ と を shown し た. This technique の is example と し て, オ ン ラ イ ン ジ ョ ブ ス ケ ジ ュ ー リ ン グ が あ り, optimum な performance を hold つ ア ル ゴ リ ズ ム を and え た. ま た, large-scale mechanical learning に す seaborne る new し い ア プ ロ ー チ と し て, 圧 shrinkage デ ー タ の on learning method proposed を し た. Proposal は, ま ず training デ ー タ を closed-circuit の な い directed グ ラ フ に よ る に 圧 shrinkage performance variations in し, デ ー タ を Yang に expand す る こ と な く, training デ ー タ on の ブ ー ス テ ィ ン グ を right に imitate す る. This technique で は, training デ ー タ の each case が have to グ ラ フ の way に 1 1 応 seaborne seaborne す る た め, this technique に お け る ブ ー ス テ ィ ン グ は, グ ラ フ の way collection を decision space と す る オ ン ラ イ ン せ combination optimization problem と み な す こ と が で き る. Way collection に す seaborne る sharper rate な オ ン ラ イ ン せ combination optimization ア ル ゴ リ ズ ム を using す る こ と に よ り, proposal は approach, the pilot に つ き グ ラ フ の サ イ ズ に proportion す る time で action す る. こ れ は, training デ ー タ の 圧 shrinkage が high い ほ ど computing services rate が good い こ と を means し, large-scale machine learning の new し い methodology と し て expect で き る.

项目成果

非決定性ZDD上のブースティング

提升非确定性 ZDD

• 发表时间: 2018
• 作者: Beniko Kibushi;Shota Hagio;Toshio Moritani;Motoki Kouzaki;藤田隆寛
• 通讯作者: 藤田隆寛

BDD/ZDD上のブースティング

BDD/ZDD 提升

• 发表时间: 2017
• 作者: Kubo Akari;Shota Hagio;Benio Kibushi;Toshio Moritani;Motoki Kouzaki;藤田隆寛;藤田隆寛
• 通讯作者: 藤田隆寛

Boosting over non-deterministic ZDDs

提升非确定性 ZDD

• DOI: 10.1016/j.tcs.2018.11.027
• 发表时间: 2018
• 期刊: Theoretical Computer Science
• 影响因子: 1.1
• 作者: Takahiro Fujita;Kohei Hatano and Eiji Takimoto
• 通讯作者: Kohei Hatano and Eiji Takimoto

Online Combinatorial Optimization with Multiple Projections and Its Application to Scheduling Problem

多重投影在线组合优化及其在调度问题中的应用

• 发表时间: 2018
• 期刊: IEICE TRANSACTIONS on Fundamentals of Electronics, Communications and Computer Sciences
• 作者: Fujita Takahiro;Hatano Kohei;Kijima Shuji;Takimoto Eiji
• 通讯作者: Takimoto Eiji

トップkランキングのオンライン予測

Top k排名在线预测

• 发表时间: 2017
• 作者: Kubo Akari;Shota Hagio;Benio Kibushi;Toshio Moritani;Motoki Kouzaki;藤田隆寛
• 通讯作者: 藤田隆寛