ニューラルネットワークによる2次形制約下での静的逆最適化問題の解法
スポンサーリンク
概要
- 論文の詳細を見る
In this paper we propose a novel approach to static inverse optimization problems with quadratic constraints by learning of neural networks for interpreting real-world data. This proposal has an advantage in that marginal rates of substitution change smoothly in contrast to the case of static inverse optimization with linear constraints. Based on this characteristic, more accurate interpretation of data by static inverse optimization becomes possible. To evaluate the effectiveness of the proposed method, we solve static inverse optimization problems with quadratic constraints using artificial data. We also propose a method to generate quadratic constraints from given data.
- 社団法人 電気学会の論文
- 2003-10-01
著者
関連論文
- 進化型モジュールネットワークとモジュール型強化学習を用いた階層型アーキテクチャ (ニューロコンピューティング)
- 強化学習を用いた変動環境下の最短経路探索 (ニューロコンピューティング)
- 強化学習に基づく推論・思考のモデル化 : ウィスコンシンカードソーティングテストを対象として
- 私の20年
- 拡散的好奇心付き標準的粒子群最適化器の効果
- 強化学習を用いた生存欲に基づく行動の創発
- グリッドベース地図誤差に基づく好奇心を内部報酬とする強化学習
- 忘却から好奇心へ(特別講演,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
- 忘却から好奇心へ(3研究会合同企画セッション[3](特別講演))
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- EPSOによる標準的粒子群最適化器のモデル選択 : メタ最適化
- 多項分布に基づく自己組織化マップの特性評価
- 教師情報を導入したSOM学習モデル
- 好奇心駆動型のマルチスウォーム探索の諸方法
- 強化学習を用いた変動環境下の最短経路探索
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- TK-3-7 価値および好奇心に基づく移動ロボットの脳型行動創発(TK-3. 脳型コンピュータの原型を求めて,大会委員会企画)
- データグローブによる手の形状データの自己組織化と認識
- 実数コード遺伝的アルゴリズムによるParticle Swarm Optimizationの進化的設計
- 進化型モジュールネットワークとモジュール型強化学習を用いた階層型アーキテクチャ
- パノラマ画像に基づく移動ロボットのデュアル地図構築と自己位置推定
- 画像特徴抽出フィルタの学習に基づくロボットの位置推定
- 忘却から好奇心へ(特別講演,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
- 内発的動機付けを用いた移動ロボットの行動計画
- 時系列データの情報圧縮による自己組織化
- 大きさ可変の競合層を用いた自己組織化マップ
- ユーザ定義可能な自己組織化パッケージの構築と新しい自己組織化手法の提案
- 局所探索付きハイブリッド実数コードGAとその応用
- 逆最適化問題のニューラルネットワーク学習による解法
- パラメータの相互依存性を考慮した強化学習の最適パラメータ推定
- 移動ロボットの強化学習パラメータの環境依存性
- マルチエージェント強化学習を用いた追跡問題
- 遺伝的アルゴリズムによる移動ロボットの強化学習パラメータ最適化
- センサ情報の導入による強化学習の効率化
- データに基づく汎化誤差最小化による正則化項の設計
- 汎化誤差最小化による正則化項の設計
- 正則化学習における汎化誤差の理論的検討
- 情報検索におけるキーワードの空間表現
- ベイズ法による種々の正則化項のパラメータ推定
- 自己組織化マップを用いた多次元データの確率密度分布の可視化
- 自己組織化マップを用いた多次元データの確率密度分布の可視化
- 拡散的好奇心付き粒子群最適化の一提案(機械学習,一般)
- 進化的Particle Swarm Optimizationの有効性に関する検証テスト(機械学習によるバイオデータマインニング,一般)
- テイラー展開型ニューラルネットワークの位相モジュールマップによる時系列パターン分類
- HRGA/Pを用いたBaggingのデータ分類法とその応用(「機械学習によるバイオデータマインニング」及び「一般」)
- 刈り込み付きハイブリッド実数コード遺伝的アルゴリズム
- 局所探索付きハイブリッド実数コード遺伝的アルゴリズム
- 局所探索を用いたハイブリッド遺伝的アルゴリズムの試み
- ニューラルネットワークによる2次形制約下での静的逆最適化問題の解法
- 動画像からの移動物体抽出と手話動作認識への応用
- ニューラルネットワークの構造学習による規則性の発見
- ニューラルネットによる連続値入力・離散値出力データからの規則の発見
- 3次元モデルを用いたロボットのシミュレータ
- ロボット用シミュレータの構築と自己組織化による位置推定
- 脳科学と工学の連携の強化を目指して
- 神経回路網工学の来し方行く末
- 「脳型コンピュータの計算論について」へのコメント
- 脳型コンピュータに何が必要とされるか?
- 各種構造学習法の構造化および汎化能力の比較
- 自己組織化に基づくデータグローブによる手の動作認識
- 複数の自己組織化マップを用いた手話認識
- Hodgkin-Huxleyモデルとリカレントニューラルネットワーク
- 拡散的好奇心を用いたマルチ慣性重み付き粒子群最適化器の探索性能
- 進化的慣性重み付き粒子群最適化器の一提案(一般及び雑音を有効利用する神経系やそのモデル)
- 進化的慣性重み付き粒子群最適化器の一提案(一般及び雑音を有効利用する神経系やそのモデル)
- カウンタープロパゲーションの改良とその応用
- 逆最適化問題へのニューラルネットワークアプローチ(機械学習)(人工知能分野における博士論文)
- 静的逆最適化による大規模実データの解釈
- 数量化理論III類の逆問題を用いたキーワードと文献の双方向的空間配置
- 情報量に基づく階層的クラスタ化
- キーワードの空間表現とその階層化
- 情報検索におけるキーワードと文献の空間表現
- 多目的最適化問題を解く慣性重み付き粒子群最適化器の探索性能(一般講演,機械学習によるバイオデータマインニング,一般)
- ネットワーク学習を用いた動的逆最適化問題の解法
- 自己組織化マップによるボードゲームの盤面状態の低次元化(ニューロコンピューティングの実装及び人間科学のための解析・モデル化,一般)
- 多都市巡回セールスマン問題での改良SOM-TSP法の性能
- 逆最適化問題のニューラルネットワークによる一般解法に関する一考察
- 日常的概念構造の情報統合に基づく自己組織化
- 遺伝的アルゴリズムと構造学習を用いたニューラルネットの構造決定
- 忘却概念の導入による自己組織化学習と教師あり学習の統合
- 静的逆最適化による大規模実データの効率的解釈
- 逆最適化による時系列データ解釈の試み
- 静的逆最適化を解くニューラルネットワークの構造とデータ解釈の特徴
- ニューラルネットワークの学習による2次形制約条件付きの静的逆最適化問題の解法
- 動的逆最適化による評価関数構造の決定
- ニューラルネットワーク学習を用いた静的逆最適化問題の一般解法
- ニューラルネットワーク学習による動的逆最適化問題の解法
- 動的逆最適化によるノイズを含むデータからの評価関数の推定
- 静的逆最適化による実データの解析と解釈
- ネットワーク学習による逆最適化問題の一般解法
- 逆最適化による意思決定問題へのアプローチ
- 複数の自己組織化マップに基づく手話動作認識
- 多都市巡回セールスマン問題での改良SOM-TSP法の性能評価
- Discovery of Rules and Generalization by Structural Learning of Neural Networks
- 忘却から好奇心へ
- 概念の三次元表示とクラスター化