【プログラム】

1: ブラックボックス関数とベイズ最適化

2: ガウス過程回帰の基礎

3: ガウス過程回帰モデルを用いたベイズ最適化
　3.1: 最大化問題に関するベイズ最適化
　3.2: 領域推定に関するベイズ最適化

4: 制御可能変数に対するロバストベイズ最適化
　4.1: 期待値尺度に対する最適化
　4.2: 分布ロバストな期待値尺度に対する最適化
　4.3: ロバスト尺度に対する多目的最適化
　4.4: その他のロバスト尺度に対する最適化手法の紹介

【質疑応答】

【キーワード】

ベイズ最適化、ガウス過程回帰、ロバスト最適化、レベルセット推定、多目的最適化

【講演のポイント】

実験変数に制御できない変数が含まれている下で，ロバスト性の観点から見た最適な制御可能変数を効率的に得るためのベイズ最適化に関する方法論を習得できる.

【習得できる知識】

・ベイズ最適化の基礎知識
・制御できない変数が存在する下で，どのようにして制御可能変数の良さを定量化するか（様々なロバスト尺度の習得）
・ロバスト尺度に対するベイズ最適化手法

【プログラム】

●　ロバスト性やリスク回避を考慮したベイズ最適化への導入
　　→　一般的なベイズ最適化への導入
　　→    ロバスト性やリスク回避とは
●    既存手法の紹介とその課題
　　→    CVaRや平均分散最適化のための既存ベイズ最適化手法
　　→    分布ロバストベイズ最適化手法
●    目的変数の分布を考慮したベイズ最適化手法
　　→    再生核ヒルベルト空間とカーネル平均埋め込み
　　→    分布を考慮したベイズ最適化のためのモデル
　　→    CVaRや平均分散最適化のための手法
●    提案手法の理論または実験的な評価
　　→    リグレット解析
　　→    実験結果
●    まとめ

【質疑応答】

【キーワード】
ベイズ最適化、ロバスト性、リスク回避、カーネル平均埋め込み、平均分散、CVaR

【講演ポイント】
ロバスト性やリスク回避を考慮したベイズ最適化手法についてその原理から習得することができる．

【習得できる知識】
ロバスト性やリスク回避を考慮した既存のベイズ最適化手法とその課題、それらを改善した最新の手法とその原理．

【プログラム】

・製造業でのベイズ最適化の適用事例（材料の組成設計、風車配置設計等）
・適用におけるベイズ最適化の課題と、課題を解決するベイズ最適化の拡張手法
　・課題1：試行回数削減に向けた低次元化とドメイン知識活用
　・課題2：適用範囲拡大に向けたロバスト性への対応と制約への対応
・技術紹介：ロバスト制約付きベイズ最適化
（問題設定、提案手法、数値実験）

【質疑応答】

【キーワード】
ベイズ最適化、ロバスト最適化、制約付き最適化、シミュレーション、ガウス過程回帰

【講演ポイント】
ベイズ最適化を実際に適用する際の課題に対応する解決策のポイントを知ることができる。

【習得できる知識】
・適用におけるベイズ最適化の課題と、課題を解決するベイズ最適化の拡張手法
・製造業でのベイズ最適化の適用事例