本研究室が提案したサロゲート最適化手法 EVI-GPBO が IEEE Access に採択されました。
ガウス過程ベイズ最適化の1つのアプローチに、信頼性上限関数を利用する手法があります。この探索重みをユーザが設定する必要があり、通常は定数が利用されていましたが、探索空間全体の不確定性を使えば良いのではないかと着想したことが始まりです。ガウス過程では、局所的な不確定性はカーネル関数で表現された分散で定量化されます。なので、これを探索空間で定積分すれば、大域的な不確定性が定量化されます。本研究では、ガウシアンカーネルを採択した場合について、積分の厳密な解析解を求めることに成功し、これに基づくガウス過程ベイズ最適化を提案しました。
IEEE Trans. に挑戦してみましたが、Reject され、IEEE Access に投稿したところ、1度のRejectの後、最終的に採択されました。
興味がありましたら、以下をご覧ください。
Yuto Omae et al., EVI-GPBO: Estimated Variance Integration-Based Gaussian Process Bayesian Optimization, IEEE Access, vol.13, pp.26208-26224, 2025. [Link]
