2016/7/24-2016/7/29 の日程で バンクーバー・カナダ で開催された The 2016 IEEE Congress on Evolutionary Computationにて発表しました。
- Functional brain network extraction using a genetic algorithm with a kick-out method
- 原田圭, 田中美里, 日和悟, Heiner Zille,Sanaz Mostaghim, 廣安知之
学会参加報告書
| 報告者氏名 | 原田圭 |
| 発表論文タイトル | キックアウト手法を用いた遺伝的アルゴリズムによる脳機能ネットワーク抽出 |
| 発表論文英タイトル | Functional brain network extraction using a genetic algorithm with a kick-out method |
| 著者 | 原田圭, 田中美里, 日和悟, Heiner Zille, Sanaz Mostaghim, 廣安知之 |
| 主催 | IEEE WCCI |
| 国際学会名 | The 2016 IEEE Congress on Evolutionary Computation |
| 会場 | Canada, Vancouver, The Vancouver Convention Centre |
| 開催日程 | 2016/7/24-2016/7/29 |
- 国際学会の詳細
The 2016 IEEE Congress on Evolutionary Computation (IEEE CEC 2016)が2016年7月24日～29日にかけて、カナダのバンクーバーにあるVancouver Convention Centreにて開催されました。本研究室からは、廣安先生、原田圭（M1）の2名が参加しました。発表形式は、ポスター発表で、「Functional Brain Network Extraction Using a Genetic Algorithm with a Kick-Out Method」という題目で学会最終日の7月29日の午後2時から6時にかけて発表致しました。ポスター発表が他の口頭発表と並行して行われていたにも関わらず、多くの方に足を運んでもらい、話をすることができました。
私たちが参加したIEEE CEC 2016は三つの学会と合同で行われました。残り二つの学会は、The 2016 International Joint Conference on Neural Networks (IJCNN 2016)とThe 2016 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2016)です。今回の国際学会では、IEEE World Congress on Computational Intelligence(WCCI)の主催によってこの三つの学会が開催され、それぞれ聴講する機会に恵まれました。また、滞在した期間を通してバンクーバーは晴れ渡る天候で、休憩の合間には、会場から素晴らしい景色、山、海、船を望むことができました。
IEEE CEC 2016では、optimizationを中心としたgenetic algorithmやsurrogate modelなどの進化計算分野の発表が行われました。発表者の中には、昨年の12月に行われた第9回進化計算シンポジウムに参加されていた生徒や先生方もおり、再会を果たすことができました。また、IJCNN 2016の発表もいくつか聴講し、deep learning やsupport vector machineの最先端の研究にも触れることができました。さらに、IJCNN 2016では、MRIやEEGをはじめとする脳情報を解析する研究も見られ、大変興味深かったです。来年は、このセッションなら、本研究室の方も何人か参加することは可能ではないかと感じました。
IEEE WCCI 2016 ホームページ http://www.wcci2016.org/index.php
- 研究発表
- 発表概要
私と廣安先生は、29日の午後2時から6時にかけてのポスター発表に参加致しました。発表形式はポスター形式で行われました。
今回の学会発表では，脳機能の重要なネットワークの抽出時間の高速化を目的としたkick-out methodを提案いたしました。Kick-out methodは、遺伝的アルゴリズムの一部に導入され、先行研究より30%近く処理時間を削減し、変わらぬ性能を発揮することが示唆されました。4時間という長期にわたるポスターセッションでしたが、常に誰かがポスターを見にきており、多くのご意見を頂きました．以下に抄録を記載致します．
| This paper proposed the method to reduce the calculating time to reveal the functional brain network associated with a task using a genetic algorithm and functional near-infrared spectroscopy (fNIRS) data. Changes in the cerebral blood flow during a task are obtained as time series data is analyzed using fNIRS, and a correlation matrix for multiple fNIRS channels is created for each subject. The subject group is divided into two groups, and a classifier of the two groups learns the correlation matrix as a feature quantity. The correlation matrix changes as the feature quantity changes with the combinations of channels, which affects classifier accuracy. If the combination of channels with the best classifier accuracy is identified, these channels can be considered important to the creation of the functional brain network for a target task. In our study, a genetic algorithm (GA) is used for channel selection. However, learning the classifier to calculate the evaluation value and optimization by the GA requires significant time. Thus, to increase search efficiency, we propose the kick-out method to skip the evaluation value calculation for poor individuals according to a previous evaluation value. We evaluated the effectiveness of the proposed method using fNIRS data recorded during a mental rotation test. Results show that important channels that express the functional brain network were selected and that processing time was reduced significantly by the proposed method. |
- 質疑応答
今回の講演発表では，以下のような質疑を受けました．
・質問内容1
中国の学生の方からの質問を受けました．こちらの質問は，抽出された脳機能ネットワークが本当に重要な脳部位なのかを検証したかというものでした。この質問に対する私の回答は，同じ課題を扱う先行研究と比較することで検討を行い、先行研究でいう活性した部分とこちらが抽出した重要な部分との脳部位の位置が同じ傾向にあると回答しました．その答えに対して，通常はアルゴリズムを用いて結果を検討し、その結果に応じてアルゴリズムの再修正を行う、という順序を繰り返すものだから、やはりもう一度結果の検証をしっかり行ってくださいと言われました．
・質問内容2
中東出身の先生にご意見を頂きました．現在取り組んでいる問題の設計変数の数が22で、組み合わせが約500万通りあるが、この組み合わせ数ならわざわざ最適化を使う必要がなく、全探索でも十分に探索が可能なのではないかというものでした。この質問に対して，今回は手法の有用性を確認するためのテスト問題であり、現在94チャンネルの脳部位から重要な組み合わせを検討していると答えました．すると，彼はそれならばまったく問題はないと言われました．
- 感想
日本人、中国人、中東人、アメリカ人、イギリス人と数多くの国の方々に足を運んでいただき、興味を持って聞いていただけることが出来ました．質疑応答にも、ほとんど相手の意図をくみ取って答えられていたと感じています。ただし、アメリカ人のかたに受けた質問で、処理を行っているデータは、本当に課題時のデータを抽出しているのか、といった厳しい質問もあり、今後の重要な検討課題であることを認識いたしました．自分の研究を相手に英語で伝えるという練習はもちろん、そのために改めて、自らの研究を見直す良い機会となりました。
- 聴講
今回の国際学会では，下記の6件の発表を聴講しました．
| 発表タイトル ： Evolving Polyomino Puzzles 著者 ： Daniel Ashlock and Lauren Taylor セッション名 ： Session MM-12 : Computational Intelligence and Games Abstract : A polyomino puzzle is a collection of polyominos that can be joined to make a simple shape. The game Ten-Yen was one of the first of these. It has ten polyomino pieces that could be used to make a 6×6 square in a variety of ways. In this study we define representations and fitness functions for generating polyomino puzzles as well as developing a simple solver to compare the evolved puzzles. The solver can be used to approximate the number of solutions and hence the relative difficulty of the puzzles. Two types of fitness functions are compared, the second of which was developed to deal with scaling issues that arose with the first. A parameter study on the algorithm is performed and it is found that simply penalizing bad results is more effective than parameter tuning. This study concludes by discussing potential puzzle variants. |
この聴講は、タイトルをみて興味を持ったので、聞きに行きました。すると、プレゼンテーターの方が、身振り手振りジョーク、時には会場内に質問と、観客を引き込むのがとても上手かったのが第一印象です。研究内容は、ポリオミノパズルで6×6の正方形を生成する、そのために生成するための表現と適応度関数を考えるというものでした。今回の学会で多数の方がアルゴリズムの開発をしていた一方で、この発表では対象問題に焦点を当てていて、一際異彩を放っていたと同時に、日本では知れない考え方を知る機会となってよかったです。
| 発表タイトル ：EliteNSGA-III: An Improved Evolutionary Many-Objective Optimization Algorithm 著者 ： Amin Ibrahim, Shahryar Rahnamayan, Miguel Vargas Martin and Kalyanmoy Deb セッション名 ： Session TA-13 Multi-objective Evolutionary Algorithms Abstract : Evolutionary algorithms are the most studied and successful population-based algorithms for solving single- and multi-objective optimization problems. However, many studies have shown that these algorithms fail to perform well when handling many-objective (more than three objectives) problems due to the loss of selection pressure to pull the population towards the Pareto front. As a result, there has been a number of efforts towards developing evolutionary algorithms that can successfully handle many-objective optimization problems without deteriorating the effect of evolutionary operators. A reference point based NSGA-II(NSGA-III) is one such algorithm designed to deal with many-objective problem, where the diversity of the solution is guided by a number of well-spread reference points. However, NSGA-III still has difficulty preserving elite population as new solutions are generated. In this paper, we proposed as improved NSGA-III algorithm, called EliteNSGA-III to improve the diversity and accuracy of the NSGA-III algorithm. EliteNSGA-III algorithm maintains an elite population archive to Preserve previously generated elite solutions that would probably be eliminated by NSGA-III’s selection procedure. The proposed EliteNSGA-III algorithm is applied to 11 many-objective test problems with three to 15 objectives. Experimental results show that the proposed EliteNSGA-III algorithm outperforms the obtained solutions, especially for test problems with higher objectives. |
まず、私が今現在使用しているNSGA-IIに対して、NSGA-IIIの存在をタイトルを見て初めて知りました。さらにそのエリート選択の段階を向上させたのがこちらの研究です。発表では、個体の多様性の維持を三次元のグラフや図で、従来のNSGA-IIIと比較しており、これから私も多様性の維持を考えなければならないので、参考になりました。彼らは最終世代のみの個体状況を私たちに見せていましたが、私はそれまでの世代すべてにおける多様性の維持を図で確認したかったです。やはり、多目的最適化を考えるうえで、多様性の維持を保つことはこれからの領域だと再確認しました。
| 発表タイトル ： How to Compare Many-Objective Algorithms under Different Settings of Population and Archive Sizes 著者 ： Hisao Ishibuchi, Yu Setoguchi, Hiroyuki Masuda and Yusuke Nojima セッション名 ： Session TA-16 : Many-Objective Optimization Abstract : In the evolutionary multi-objective optimization community, algorithm comparison is usually performed under the same population size. However, this is not always fair because its best specification is usually different in each algorithm. In many-objective optimization, the number of solutions to be found may depend on the situation. If the decision maker wants to analyze the entire Pareto front, thousands of solutions may be needed. If the decision maker wants to choose a single final solution from some candidates after their quick checks, only a small number of representative solutions may be needed. In this paper, we discuss how to evaluate the ability of evolutionary many-objective optimization algorithms to find an arbitrarily specified number of non-dominated solutions. Our idea is the use of solution selection after the termination of each algorithm. We examine two scenarios: One is solution selection from the final population, and the other is from all of the examined solutions. Through computational experiments, first we demonstrate that performance comparison heavily depends on the population size. Then we examine the effects of solution selection from the final population and the examined solutions on comparison results. |
この研究は、多目的最適化を使用する上で、母集団の大きさとアーカイブの大きさについて比較と検討をしていました。発表では、3目的の時の多目的最適化を除く、多くのベンチマーク問題に対して、母集団数が多くなるほど、MOEA/Dが効果的であることを図と表を用いて説明していました。彼らは、MOEA/D、NSGA-III、MOEA/D/D、θ-DEAの四つを比較していましたが、そもそも私にその四つともの知識がなく、まだまだこれから勉強が必要だと改めて感じることとなりました。
| 発表タイトル ：Accelerating Evolutionary Computation Using Estimated Convergence Points 著者 ： Jun Yu, Yan Pei and Hideyuki Takagi セッション名 ： Session TM-12 Numerical Optimization Abstract : We use the convergence points estimated by our proposed method as elite individuals for evolutionary computation and evaluate the acceleration effect and analyze the effect and computational cost. The worst individuals in population are replaced with the convergence points estimated from the moving vectors between parent individuals and their offspring; i.e. these convergence points are used as elite individuals. Differential evolution (DE) and 14 benchmark functions are used in our evaluation experiments. The experimental results show that use of the estimated convergence points as elite can accelerate DE search in spite of the calculation cost of the convergence points. We finally analyze the components of the proposed estimation method to improve cost-performance. |
この研究では、Differential evaluationを利用し、あらかじめベンチマーク問題の解の収束点をベクトルを用いて推測することで、処理時間の高速化を図るものでした。方法は違えど、解を予測して高速化を図るという点では、今学会で私が発表と重なるので、大変興味を持って聴講することができました。また、検討比較において、四つの向上を見込んだ手法を提案しており、実験結果より提案手法の1、2、4を組み合わせるのが効果的であると結論付けていました。このような比較検討の仕方、発表の仕方は今後の参考にしようと思いました。
| 発表タイトル ：Multi-objective Variable Subset Selection Using Heterogeneous Surrogate Modeling and Sequential Design 著者 ： Joachim van der Herten, Ivo Couckuyt, Dirk Deschrijver and Tom Dhaene セッション名 ： Session TM-16 Many-Objective Optimization Abstract : Constructing surrogate models of high-dimensional complex black-box systems from simulation-based data requires an appropriate choice of surrogate model type, as well as identification of the most influential input parameters. As including irrelevant input parameters results in a longer surrogate model training process and potentially increases the risk of overfitting, it is important to identify a small set of relevant parameters during the adaptive modeling phase of the surrogate modeling process. A multi-objective optimization step is proposed to identify both the appropriate model type as well as a parameters subset. The obtained model can be used for evaluation intensive applications such as exploration, sensitivity analysis or optimization. |
この研究は、サロゲートモデルとサポートベクターマシンを使用しており、私の研究と似ているのではないかと思い聴講に行きました。彼らは、サロゲートモデルの種類について論じており特に、よりシンプルで効果的なもの、より訓練時間が短いもの、そして更新される世代の中でオーバーフィッティングの危険性を低減できるものの三つに焦点を当てていました。彼らはどのサロゲートモデルを使うか、どれだけの評価点数がよいかを中心に結論付けており、私も今後検討しなければいけない領域であることを再確認しました。
| 発表タイトル ：Novel Crossover and Mutation Operation in Genetic Algorithm for Clustering 著者 ： A. H. Beg and Md Zahidul Islam セッション名 ： Session WA-13 Genetic Algorithms Abstract : In this paper we propose a Genetic Algorithm based clustering technique called GMC that produces high quality chromosomes in the initial population. The proposed technique also introduces two phases of crossover operation with extensive chromosomes generation aiming to produce high-quality offspring chromosomes and prevent degeneracy. The proposed technique also introduces three steps of mutation operation in order to improve chromosome quality. GMC uses a probabilistic selection approach in order to gradually improve the chromosomes quality of a population. We compare the proposed technique GMC with five existing techniques on 10 publicly available data sets in terms of two well-known evaluation criteria: Silhouette Coefficient and DB Index. Our experimental results demonstrate statistically significant superiority of GMC over the existing techniques, and the effectiveness of the proposed components. |
この研究では、クラスタリングに基づいた遺伝的アルゴリズムの提案をしており、初期の母集団生成における高い質の遺伝子を作成できると述べている。また、交差方法でも新たに二種類提案しており、大変興味を抱いたので聴講に行きました。クラスタリング技術が遺伝的アルゴリズムの初期生成に効果的だとする論文がある一方で、k-means法にはクラスター数の定義に問題があるため、彼らはあらかじめ用意された数字のセットから疑似ランダム的に選択する方法を提案した。私も遺伝的アルゴリズムの初期生成には検討の必要があると大きく感じているので、一つの参考論文として覚えておきたいです。