進化的機械学習 〜進化計算の基礎と応用：最適化から機械学習まで〜

多目的最適化問題への適用、

進化計算を用いた機械学習・深層学習との関係とは？

講師

法政大学 情報科学部（兼 大学院情報科学研究科） 教授　博士（工学） 佐藤 裕二 先生

■ 主経歴
2000年4月　法政大学情報科学部　助教授
2001年4月　法政大学情報科学部　教授
2016年4月～2017年3月　法政大学大学院情報科学研究科　研究科長
2007年9月～2008年8月　イリノイ大学アーバナシャンペーン校
 （Illinois Genetic Algorithms Laboratory)  客員研究員

■ 専門・得意分野
ソフトコンピューティング, 進化計算による最適化と並列分散処理, 進化計算による強化学習, Neuro Evolution（進化計算を用いたニューラルネットワークの合成）

■ 本テーマ関連の学会・協会・団体等
IEEE Computational Intelligence Society, ACM/SIGEVO, 進化計算学会,
情報処理学会，電子情報通信学会，計測自動制御学会，人工知能学会

受講料

1名46,440円(税込（消費税8％）、資料・昼食付)
＊1社2名以上同時申込の場合 、1名につき35,640円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

■ セミナーポイント
　進化計算は生物の進化過程や振る舞いを模倣した確率的な探索アルゴリズムであり，対象とする問題を限定せずに幅広い問題に適用可能な，メタヒューリスティクスと呼ばれる最適化アルゴリズムの一つです。最近流行りの人工知能の一つでもありますが，組合せ爆発の起こる大規模組合せ最適化問題，複数の非劣解を同時に求める多目的最適化問題，明示的な教師信号を持たない強化学習に対して特に有効な手法です。
　本講義では，進化計算の基礎技術から応用技術まで幅広く解説しますが，特に，多目的最適化問題への適用，進化計算を用いた機械学習，深層学習との関係に焦点を当てます。幾つかのデモを通して，進化計算の魅力に触れて頂きたいと思います。

■ 受講後、習得できること
・進化計算の概念や仕組みに対する基礎的な知識
・進化計算を用いた最適化に関する基礎知識
・進化計算を用いた機械学習に関する基礎知識
・現在の進化計算技術の課題と今後の展望

セミナー内容

1.進化計算とは
　1.1　進化計算の特徴と応用例
　1.2　遺伝的アルゴリズムの基礎
　1.3　遺伝的アルゴリズムの設計理論
　1.4　その他の進化アルゴリズム
　1.5　群知能

2.進化計算と多目的最適化問題
　2.1　多目的最適化問題とは
　2.2　進化計算を用いた解法１：初期の手法
　2.3　進化計算を用いた解法２：解の優越性に基づく手法
　2.4　進化計算を用いた解法３：参照ベクトルを用いた手法
　2.5　進化計算を用いた解法４：対話型進化を用いた手法

3.進化計算と機械学習
　3.1　遺伝的プログラミングを用いた機械学習
　3.2　遺伝的アルゴリズムを用いた機械学習
　3.3　学習型クラシファイアシステムを用いた機械学習

4.進化計算と深層学習
　4.1　深層学習と畳み込みニューラルネットワーク
　4.2　ニューロエボリューション
　4.3　転移学習とマルチタスク学習
　4.4　進化計算とマルチタスク学習

5.スマート社会と進化計算
　5.1　スマート社会とは
　5.2　スマート社会における技術課題と進化計算
 
 （質疑応答）