セミナー：人工知能（AI）による最適化解の学習・予測 ～深層強化学習のオンライン最適化問題適用等～ | 曽我部研究室 SogabeLab 国立大学法人電気通信大学│AI 人工知能 量子

一日セミナー　人工知能（AI）による最適化解の学習・予測 ～深層強化学習のオンライン最適化問題適用等～　で講師を努めます

詳細はこちらhttp://www.catnet.ne.jp/triceps/sem/s201130kw.html

■講師
電気通信大学　i-パワードエネルギー・システム研究センター　基盤理工学専攻　准教授　理学博士　曽我部 東馬

■開催日時：2020年11月30日（月） 10:30-16:30

■プログラム

1．オフライン最適化の概要
1) オフライン最適化問題における目的関数と制約
a) 連続最適化と離散最適化
b) 広域最適化と局所最適化
2) オフライン最適化問題における解法
a) 厳密解法
b) 近似解法
c) 発見的解法

2．オフライン最適化問題
1）線形計画問題
a) 双対性
b) 解法
2) 非線形計画問題
a) 無制限最適化
b) 制約付き最適化
3) ネットワーク最適化問題
4) 整数計画問題と混合整数計画問題

3．オンライン最適化問題の概要
1) オンライン最適化問題の基本理論
a) レンタルスキー問題
b) リストアクセス問題
c) 競合比による解析手法
d) 乱択アルゴリズムの設計

4．オンライン学習モデル
1) 学習を考慮したオンラインアルゴリズム
2) スペシャリストモデル

5．AIによる最適化アルゴリズム
1) 深層強化学習の基本原理
2) オンライン最適化における深層強化学習の応用
3) 方策勾配法による最適化アルゴリズムの構築
a) TSP問題の概要と強化学習による定式化
b) 鍵となる技術アテンション(Attention)の仕組み
― 自然言語処理を例にする
― ここでマルチヘッドアテンション(Multi-Head Attention)の仕組みを説明
c) エンコーダー(Encoder)の仕組み
― LSTM型と　self attention型の説明
― self attention型の説明の時にグラフアテンションエンコーダーについても説明
― グラフアテンションエンコーダーの説明時にグラフとノード埋め込みついても説明
d) デコーダー(Decoder)の仕組み
― ポインターネットワークについて説明
― グリンプスについて説明
― マスキングについて説明
e) 全体の流れを簡単にまとめた説明
f) ベースラインの導入と勾配の更新
g) 予測機能の検証：
i-1) 同スケール予測
i-2) ダウンスケール予測
i-3) アップスケール予測

＜質疑応答＞