【速報】IEEE SSCI

IEEE SSCIがHawaiiで開催されます。
2017/11/30
11:15AM Adaptive Weight Vector Assignment Method for MOEA/D [#1355]
Kei Harada, Satoru Hiwa and Tomoyuki Hiroyasu
Doshisha University, Japan
2:00PM Sparse Feature Selection Method by Pareto-front Exploration -Extraction of functional brain network and ROI for fMRI data- [#1453]
Tomoyuki Hiroyasu, Yuuki Kohri and Satoru Hiwa
Doshisha University, Japan

学会参加報告書

報告者氏名	郡　悠希
発表論文タイトル	パレートフロント探索によるSparse特徴選択 ～fMRI データに対する脳機能ネットワークとROIの抽出～
発表論文英タイトル	Sparse Feature Selection Method by Pareto-front Exploration  ～Extraction of functional brain network and ROI for fMRI data～
著者	Tomoyuki HIROYASU, Yuuki KOHRI, satoru HIWA
主催	The IEEE Computational Intelligence Society
講演会名	The 2017 IEEE Symposium Series on Computational Intelligence (http://www.ele.uri.edu/ieee-ssci2017/index.html)
会場	The Hilton Hawaiian Village Waikiki Resort, Honolulu, HAWAII, USA
開催日程	2017/11/27-2017/12/1

 
 

1. 講演会の詳細

2017/11/27から2017/12/01にかけて，ホノルル（ハワイ）のHilton Hawaiian Village Waikiki Resortにて開催されました2017 IEEE Symposium Series on Computational Intelligenceに参加いたしました．本研究室からは，郡(M2)，原田（M2），廣安先生の計3名が参加いたしました．
この学会は，IEEE Computational Intelligence Societyが主催するコンピューターインテリジェンスに関する世界的に重要な学会で，理論やアルゴリズム設計、アプリケーションなど様々な分野の新しい技術についてセッションが開かれ，様々な分野の方々が集まっていました．
 

2. 研究発表
   • 発表概要

私は30日午後に，画像やパターン認識における特徴分析、選択、学習のセッション「FASLIP Session 2」に参加いたしました．発表の形式は口頭発表30分(質疑応答含む)でした．
今回は，パレートフロント探索によるスパース特徴選択でfMRIデータから重要な脳機能ネットワークを抽出する手法の検討について発表致しました．以下に抄録を記載致します．

We propose a method to automatically determine important features for the classification of two states by optimizing a selection of features that maximize the classification accuracy of these states. When there are many feature candidates, this result in a trade-off between minimizing the number of selections of features and maximizing classification accuracy. In this study, Pareto solutions are obtained using a multi-objective genetic algorithm. Next, by examining the Pareto solutions, we propose a method of selecting as few sparse features as possible. In the experiments, functional brain imaging data for two states obtained by fMRI was used, and the proposed method was applied to extract important brain regions and their cooperative networks. An analysis of the results shows that selecting sparse features mean that the characteristics of such features are more easily grasp, and this research deepens understanding in the region associated with brain status.

 
 

• 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
名古屋大学の吉川先生からの質問です．こちらの質問は今回の手法ではパレートフロントから重要な脳機能ネットワークを見つけているが，パレートフロントだけに限らず探索された解で検討してみてもいいのではないか？というものでした．
この質問に対して，解抽出後の解析の仕方は難しい問題で今後検討していく必要があるといった様な回答を先生にしていただいたように思います．
 
・質問内容2
質問者の氏名を控え損ねてしまいましたが，おそらくSchool of Engineering and Computer Science, Victoria University of WellingtonのMengjie Zhang先生からの質問です．こちらの質問は，今回NSGA-IIを使用しているが他の手法と比較はしなかったのかといったものでした．
この質問に対する回答は，NSGA-IIだけでなくMOEA/Dでも試してみたが，この問題ではNSGA-IIの探索性能が良かったと先生に回答していただきました．また，この問題は交叉方法がとても重要で，今は1次元で考えているけれど今後改善が必要だと先生に回答していただきました．
 
 

• 感想

今回2回目の国際学会でしたが，英語での口頭発表ということもありとても緊張しました．今回は前回と比べて，結果を出すことに時間がかかり，発表準備が十分に出来なかったので練習通りにはなかなか発表できませんでしたが，時間がない中でも自分なりの全力は出し切れたと思います．質問の英語を聞き取ることが出来ず，答えなれなかったことがとても残念でした．しかし，banquetや日常生活の中では去年に比べて積極的にコミュニケーションを取れたと思います．また本学会では，私の研究室で行っている研究と似ているものや全く異なる分野の話を聞くことが出来てとても面白かったです．

3. 聴講

今回の講演会では，下記の5件の発表を聴講しました．
 

発表タイトル       ：　Lung segmentation on x-ray images with neural validation 著者                  ： Dawid Połap and Marcin Wo´zniak セッション名       ： Computational Intelligence for Human-like Intelligence II Abstruct            ： Lung segmentation on x-ray images is an important part in the process of feature extraction for recognition purposes. Using it we can extract specific data from the input image. Segmentation allows to remove unnecessary elements such as bones and spine, leaving in the image only the lungs. This solution reduces the area of the image subjected to further analysis in terms of disease detection. In this paper, segmentation technique based on graphics processing methods and swarm algorithm was presented. A swarm methodology was used for extraction of particular portions of the information for which we have applied convolutional neural network as a detector. For the composed method we have performed tests to show and discuss the results.

この発表はX線画像から肺領域を抽出する手法の提案でした．従来，肺などの呼吸器疾患の診断は医師が組織の構造の変化を基に診断を行ってきましたが，近年では医師の診断支援という形でコンピューターが使用されるようになってきました．コンピューター診断支援システムでは，いくつかの工程が含まれますが，この発表では領域のセグメンテーションに焦点を当てていました．近年の肺領域のセグメンテーションでは色やテクスチャ，その他の特徴が用いられています．この手法では，まずX線画像を二値化し，ニューラルネットワークを用いて肺領域を特定，肺領域以外を除去していました．そして，簡単なノイズ除去を行い肺領域のみを抽出していました．領域の抽出という点では研究室で行われている画像処理の研究とも少し関連があるように感じました．
また，この手法のノイズ除去で行われている手法が，私が画像処理の研究を行っていた頃に用いていた手法を同じで，実際のX線にも用いることの出来る手法ということが分かりとても嬉しく思いました．以前参加したJAMITでもX線画像に対する画像処理の研究を色々と聴講しましたが，あまりニューラルネットワークを用いていた研究は無かったので傾向の変化を感じました．
 
 

発表タイトル       ： Using Matching Substructures as an Optimization Objective for RNA Design 著者                  ： David J. D. Hampson and Herbert H. Tsang セッション名       ： Computational Intelligence in Healthcare and E-Health V Abstruct            ： RNA design is a problem that has been shown to be NP-Hard. It is best described as the inverse of RNA folding. RNA folding describes the process of calculating the most likely secondary structure that a strand of nucleotides will fold into. Inversely, RNA design describes the process of designing a strand of nucleotides that will fold into a given secondary structure. The problem is made more difficult by the presence of a second objective, structural stability. Free energy is a measure of structural stability. In previous research, we have attempted to solve this problem using SIMARD (Simulated Annealing RNA Design). SIMARD employs a simulated annealing framework alongside a preselection strategy to design high-quality sequences in a reasonable amount of time. In this paper, we introduce the integration of BEAR (Brand nEw Alphabet for RNAs) to SIMARD as a way of notating secondary structures for quality evaluation. We attempt to design sequences with four different experimental configurations across two data sets. We find that representing our sequences with the BEAR grammar allows us to improve the average structural similarity of our generated sequences. We also find that SIMARD outperforms six other algorithms when running on the Eterna100 benchmark in terms of successfully designed structures.

この発表ではNP困難な問題であると示されているRNA設計に対して，新たな二次構造の表記方法を提案し，比較検討を行っていました．RNA設計アルゴリズムでは初め遺伝的アルゴリズムや動的プログラミングが用いられてきましたが，これらはRNA設計が多目的である事を考慮していなかったため，近年では多目的遺伝的アルゴリズムが用いられるようになってきました．しかし，これらのアルゴリズムも実行時間が長いという問題点があるため，この研究の著者らはSimulated annealingを基にしたSIMARDという手法を開発していました（この手法については，”SIMARD: A simulated annealing based RNA design algorithm with quality pre-selection strategies” 等を参照．昨年のSSCI2016で発表）．この発表では，主にこの手法の有用性を検討していました．
この発表では，複雑な構造をもつRNA設計に対してどの程度正確な構造を得ることが出来るかが議論されており，詳しくは論文をいくつか読む必要はありますが，この表現方法や考え方は私の手法の2次元交叉などにも応用していけるのではないかと感じました．
 
 

発表タイトル       ：　A Comparative Study of CNN, BoVW and LBP for Classification of Histopathological Images著者                  ： Meghana Dinesh Kumar, Morteza Babaie, Shujin Zhu, Shivam Kalra, and H.R.Tizhoosh セッション名       ： Computational Intelligence in Healthcare and E-Health V Abstruct            ： Despite the progress made in the field of medical imaging, it remains a large area of open research, especially due to the variety of imaging modalities and disease-specific characteristics. This paper is a comparative study describing the potential of using local binary patterns (LBP), deep features and the bag-of-visual words (BoVW) scheme for the classification of histopathological images. We introduce a new dataset, KIMIA Path960, that contains 960 histopathology images belonging to 20 different classes (different tissue types). We make this dataset publicly available. The small size of the dataset and its interand intra-class variability makes it ideal for initial investigations when comparing image descriptors for search and classification in complex medical imaging cases like histopathology. We investigate deep features, LBP histograms and BoVW to classify the images via leave-one-out validation. The accuracy of image classification obtained using LBP was 90.62% while the highest accuracy using deep features reached 94.72%. The dictionary approach (BoVW) achieved 96.50%. Deep solutions may be able to deliver higher accuracies but they need extensive training with a large number of (balanced) image datasets.

この発表では20の異なるクラス（異なる組織タイプ）に属する960枚の組織病理学的画像の分類のためにどの様な特徴量を用いると良いかを比較検討していました．また，KIMIA Path960というデータセットも公開していました．この研究では，local binary patterns (LBP)やdeep features(CNNに用いる)，the bag-of-visual words (BoVW) schemeを用いて比較していました．どの特徴量でもSVMの識別精度は90％を超えていましたが，この画像セットではBoVWを用いた場合が最も高くなっていました．また，Deep learningを用いる場合，高い精度を得ることはできるが多数のバランスのとれた画像セットを用いたトレーニングが必要であるとしていました．
この研究は，対象画像は違いますが私の研究室で行われている画像処理の研究と手法が似ていると思いました．この学会でも他に何件かこの様な発表を聞き，画像処理と機械学習の組み合わせも主流になってきていると感じました．また，私の研究でも手法の比較はもちろんですが特徴量の比較も行っていくと検討する項目も増え，より脳機能について理解することが出来るようになるのではないかと感じました．
 

発表タイトル       ：　Classification of the Estrous Cycle Through Texture and Shape Features著者                  ： Meghana Dinesh Kumar, Morteza Babaie, Shujin Zhu, Shivam Kalra, and H.R.Tizhoosh セッション名       ： Computational Intelligence for Multimedia, Signal and Vision Processing I Abstruct            ： We show, for the first time, an autonomous classification of the estrous cycle (the reproductive cycle in rats), This cycle consists of 4 stages: Proestrus, Estrus, Metestrus and Diestrus. The short duration of the cycle in rats makes them an ideal model for research about changes that occur during the reproductive cycle. Classification is based on the cytology shown by vaginal smear. For this reason, we used texture and shape features on the gray level color space and CIELAB color space on channels A and B, which were classified using support vector machines (SVM) and the artificial neural network multilayer perceptron (MLP). As dataset of 412 images of estrous cycle was used. It was divided into two sets. The first contains all four stages, the second contains two classes. The first class is formed by the stages Proestrus and Estrous and the second class is formed by the stages Metestrus and Diestrus. The two sets were formed to solve the main problems, the research of the reproductive cycle and the reproduction control of rodents. For the first set, we obtained an 87% of validation accuracy and 100% of validation accuracy for the second set using the multilayer perceptron. The results were validated through cross validation using 5 sets and F1 metric.

この発表ではラットを用いてヒトの生殖周期をモデリングしていました．ラットの生殖周期はヒトよりも短く，4つの段階で分けられます．提案手法ではこの4つの段階を分けるために画像処理とSVM，ニューラルネットワークを用いていました．識別はグレースケールとCIELAB色空間上のテクスチャと形状特徴を用いて行っており，本研究室の画像処理班が行っている研究と類似していると感じました．また，この研究ではSVMのカーネルを何種類か試し比較しており，より論文に説得力を持たせていました．私の研究発表の質疑応答でもありましたが，この論文の様に同等の手法などで比較検討することは重要だと改めて感じました．
 
 

発表タイトル       ：　Brain Machine Interface for Useful Human Interaction Via Extreme Learning Machine and State Machine Design 著者                  ： Garrett Sargent, Haotian Zhang, Alyssa Morgan, Adam Van Camp, Adam Van Camp, Adam Cassedy, Emma Romstadt, Victoria Dicillo, セッション名       ： Computational Intelligence in Healthcare and E-Health V Abstruct            ： The idea of brain machine interface (BMI) is to provide a source of interaction between a person and a machine via thought. Three major parts to an effective BMI are determined and handled in this paper: classifying a thought, doing a useful activity, and providing an efficient user interface (UI). This paper proposes an effective way of classifying thoughts and an approach for providing useful activities given a sequence of signals. We demonstrate the effectiveness of an extreme learning machine (ELM) for classifying a number of different thoughts when given a relatively small amount of training samples from a 5-channel EEG headset. We transform the electroencephalograph (EEG) data to a set of features for the input of the ELM model by estimating the logarithmic power (LP) of the discrete wavelet transform (DWT) coefficients, which corresponds to five different frequency bands. The ELM provides up to a 90% to 100% classification accuracy depending on training samples and number of hidden nodes, compared to 52% to 60% for a multi-layer perceptron (MLP). We also present a UI based on a state machine design that allows a person to accomplish certain activities via thought with a robotic arm.

この発表はEEGを用いて脳波を計測し，離散ウェーブレット変換を用いて異なる5つの周波数帯域に分離，この対数パワーを入力としてextreme learning machine (ELM)　を用いて人の思考を分類，ロボットアームを動かすという研究でした．近年，BMIはとても研究されていて流行にのった研究だと感じました．また，この研究では5チャンネルのEEGを用いており，5チャンネルと少ない入力から行動を識別していて驚きました．この研究の様に，簡易の計測機から脳状態を識別することが出来れば，より日常に取り入れていく事が出来るようになるのではないかと，とても期待の持てる研究でした．研究の内容が私の研究室とも似ていたので，今後この研究の動向を確認する必要もあると感じました．また，この研究でも複数日に渡って計測を行い，識別の安定性を改善する必要があるとしており，生体計測を行う上では個人差はもちろん個人内でのバラつきも考慮する必要があると改めて感じました．
学会参加報告書

報告者氏名	原田圭
発表論文タイトル	動的な重み割り当てを行うMOEA/D
発表論文英タイトル	Adaptive Weigh Vector Assignment Method for MOEA/D
著者	原田圭, 日和悟, 廣安知之
主催	The IEEE Computational Intelligence Society
国際学会名	The 2017 IEEE Symposium Series on Computational Intelligence
会場	Honolulu, Hawaii, USA, The Hilton Hawaiian Village Waikiki Resort
開催日程	2017/11/27-2017/12/1

 
 

1. 国際学会の詳細

The 2017 IEEE Symposium Series on Computational Intelligence(IEEE SSCI 2017)が2017年11月27日～12月           1日にかけてアメリカのハワイのThe Hilton Hawaiian Village Waikiki Resortにて開催されました。本研究室からは、廣安先生、原田圭（M2）、郡悠希（M2）の3名が参加しました。発表形式は口頭発表で、「Adaptive Weigh Vector Assignment Method for MOEA/D」という題目で学会4日目の11月30日の午前11時15分から11時45分にかけて口頭発表致しました。合計で10名前後の方に足を運んでもらい、発表後には質問も頂き回答することが出来ました。
私たちが参加したIEEE SSCI 2017は、計算知能の理論やアルゴリズム設計やアプリケーションの分野を中心に議論が行われる学会でありながら、それら技術に関連する全ての新興技術に関する研究も発表される場でした。そのため、私の専門分野である進化計算分野や、関連分野である脳や認知に関わる研究発表を聴講することが出来ました。また、滞在した期間、ハワイは雨期にあたり、断続的に雨や風が吹く天候でしたが、私たちの発表日は素晴らしい晴れ模様となりました。
学会中は、今までの学会で出会った様々な先生方もおり、再会を果たすことができました。また、他学生の発表では積極的に質問し、ポスター発表時には学生の研究を密に聞くことが出来ました。
IEEE SSCI 2017 ホームページ http://www.ele.uri.edu/ieee-ssci2017/
 

2. 研究発表
   • 発表概要

私は、11月30日の午前11時15分から11時45分にかけて口頭発表致しました。今回の学会発表では，探索状況に応じて計算資源の動的な割り振りを行うMOEA/Dを提案致しました。提案MOEA/Dは、目的関数間の難易度に差が存在する重要な脳部位を選択する実問題に適用され、探索に偏りのない性能を示すことを確認しました。15分の口頭発表の後、名古屋大学の吉川先生と電気通信大学の佐藤先生から多くの質問を頂き、その回答を行うことが出来ました。以下に抄録を記載致します．

MOEA/D is one of the multiobjective optimization methods in which an optimization problem is decomposed into subproblems and searches are performed. When the search difficulty of each subproblem is equal, the obtained Pareto solutions are evenly distributed. In contrast, in real problems, the search complexity of each subproblem is often not equal. In that case, a Pareto solution set to a difficult subproblem cannot be found by an easy search. To solve this problem, a method that adaptively assigns the weight vectors of MOEA/D according to the search situation is proposed. In the proposed method, subproblems that are difficult to search are divided into more subproblems, the search speeds of subproblems with different search difficulties are hence equalized, and solutions over a wider range should be found. The proposed method was used to a real-world problem, and its effectiveness is discussed. The target problem is to identify important brain regions using real data from a noninvasive functional brain imaging device. Identifying important brain regions is expected to promote elucidation of brain functions and contribute to effective training and therapeutic methods to improve human cognitive function. Compared to conventional MOEA/D, good solutions were obtained by the proposed method in the objective function space that is difficult to search. In addition, the influence of the proposed adaptive weight vector assignment was investigated, and it was confirmed that the proposed method adaptively allocates many weight vectors to the difficult search areas. Hence, the proposed method in this paper will extend the range of real problems that can be addressed using MOEA/D.

 
 

• 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(名古屋大学の吉川先生)
「なぜチャンネル選択を最小化する必要があるのか」という質問を頂きました。その質問に対して、「全ての脳機能を考えるには複雑なので、私たちが脳機能を簡単に理解するために、少数の脳領域を抽出しなければならない。しかし、少数の脳部位の情報では識別誤差率が悪化するというトレードオフ関係があるので、多目的最適化をする必要がある。」と回答致しました。
 
・質問内容2(名古屋大学の吉川先生)
「もし、最適解が提案手法によって分割された領域になければ、その領域はどのような扱いになるのか。」という質問を受けました。その質問に対して、「提案手法では、もし最適解がそのサブ領域になかった場合でも、その領域を探索困難な領域として認識してしまいます。そのため、この点においては、今後改善すべき点である。」と回答致しました。
 
・質問内容3(電気通信大学の佐藤先生)
「提案手法における貢献度Cの計算方法をもう一度詳細に教えて下さい。」という質問を受けました。その質問に対してはスライドを見せながら、貢献度C1の計算例を次のように説明致しました。「全てのEPが今6個あります。ここで、サブ領域D1に属するEPの数が3であるため、3/6の割合を貢献度C1として計算します。」と回答致しました。
 
・質問内容4(電気通信大学の佐藤先生)
「提案手法は2目的では有効的かもしれないが、3目的以上の問題に対してはどのようにして拡張・適用するのか。」という質問を受けました。その質問に対して、「今の提案手法では3目的以上に拡張はできません。なので、それは今後考えるべき事項です。」と回答致しました。
 

• 感想

本学会は私にとっての初の国際学会の口頭発表であり、大変緊張致しました。そのため、現地に到着後も先生とミーティングを重ね、発表練習も十二分に行い、準備を整えました。その結果、20分の発表時間に対して15分で発表を終えてしまい、自身の計画性の詰めの甘さを実感しました。しかし、その残った時間で多くの質問を頂き、議論をすることが出来、有意義な時間を過ごすことが出来ました。ただし、200名収容の会場で10名前後の聴衆だったので、もう少し学生に呼び掛けて、発表に足を運んでもらう努力をすべきであったと痛感しました。まとめとしては、自身の発表を国際学会で、英語で発表し、質問にも廣安先生にも助けていただきながらではありますが、自身で対応することができ、本学会の大目標は達成できたと考えております。
 

3. 聴講

今回の国際学会では、下記の5件の発表を聴講しました。

発表タイトル       ： Investigation of particles behaviors of piecewise-linear particle swarm optimizer 著者                  ： Tomoyuki Sasaki, Hidehiro Nakano セッション名           ： Single objective bound constrained optimization Abstract : In our previous study, we have proposed piecewiselinear particle swarm optimizer (PPSO). The dynamics of each particle in PPSO has two search modes that are dynamically switchable to each other. PPSO has better search performance to solve non-separable problems than the classical PSO. However, since it was not clarified why PPSO was effective in solving such problems, we have now studied whether particle behavior in PPSO affects the search performance, focusing on search direction of particles to compare the search direction of PPSO particles with that of PSO particles. We further compared the search performance for parameter pattern of PPSO with the classical PSO based on numerical data. Here, we suggest that PPSO particles can move in solution space freely and that the behavior of PPSO particles is effective for solving the non-separable problems.

この聴講は制約付き単目的最適化の知識を深めるべく、またPSOに関する知識を得たかったため聞きました。発表では、以前に提案した手法について、その探索性能の影響を検討するためにベンチマーク問題を用いた結果を説明していました。また、様々なパラメータを用いて従来手法との比較をしていました。結果では、20以上のベンチマーク問題に対して、そのほとんどの問題において提案手法のあるパラメータの性能が従来手法より高いことが示されていた一方で、いくつかの問題においては従来手法の方が高かった。ここから、パラメータによって探索性能が大きく変わる事と、全ての評価項目において優れた手法を提案することの難しさを再認識しました。
 
 

発表タイトル       ： A Type-2 Fuzzy Set induced Classification of Cognitive Load in Inter-individual Working Memory Performance based on Hemodynamic Response 著者                  ： Amiyangshu De, Tanuka Bhattacharjee, Amit Konar, Anca L. Ralescu, Atulya K. Nagar セッション名           ： Computational Intelligence, Cognitive Algorithms, Mind, and Brain I Abstract : The crucial role of working memory for cognitive performance based on temporary information processing has been studied for decades. Behavioral tests and functional magnetic resonance imaging studies have already established a relation between cortical activation and working memory performance. However, dearth of literature is observed on functional near infrared spectroscopy based assessment of working memory. This paper provides a novel study of cerebral oxygenation as a basis of working memory performance considering verbal working memory task. The recorded signal is filtered and processed for extraction of 96 dimensional features, which is reduced to 24 by means of a meta-heuristic optimization technique. Next, we transfer it to a type-2 fuzzy classifier for classifying into three different cognitive load classes: high, moderate and low. Experimental instances show that the type-2 fuzzy classifier with the proposed artificial bee colony optimization induced feature selection technique, yields high classification accuracy, which tends to reach above 86 percent. Additionally, experimental evidence suggests that low working memory performance is, possibly, due to poor activation of certain regions of frontal cortex.

この研究は、ワーキングメモリ課題中の脳状態をfNIRSの16チャンネルで計測したデータを使用しており、そのデータを識別していました。また質疑応答では、フリードマン検定による提案手法の有効性が妥当かについて議論され、自身も手法を提案する研究を行っているだけに、より深い検定に対する理解が必要だと再認識しました。また、ニューロサイエンティストとして新たな知見を得るにはfNIRSの16チャンネルの計測では足りないのではないかといった議論が行われ、興味をもって聴講することができました。
 
 

発表タイトル       ：How to Select a Winner in Evolutionary Optimization? 著者                     ：Risto Miikkulainen, Hormoz Shahrzad, Nigel Duffy and Phil Long セッション名           ： Computational Intelligence in Dynamic and Uncertain Environments I Abstract : In many evolutionary optimization domains evaluations are noisy. The candidates are tested on a number of randomly drawn samples, such as different games played, different physical simulations, or different user interactions. As a result, selecting the winner is a multiple hypothesis problem: The candidate that evaluated the best most likely received a lucky selection of samples, and will not perform as well in the future. This paper proposes a technique for selecting the winner and estimating its true performance based on the smoothness assumption: Candidates that are similar perform similarly. Estimated fitness is replaced by the average fitness of candidate’s neighbors, making the selection and estimation more reliable. Simulated experiments in the multiplexer domain show that this technique is reliable, making it likely that the true winner is selected and its future performance is accurately estimated.

タイトルから、どのアルゴリズムがいいのか決定する方法を知れればと思い聴講しました。いろいろなアルゴリズムを試しているのかと思ったのですが、今回は評価方法のフレームワークのみの発表でした。評価方法は近傍サイズを任意で決定し、それに基づいた性能評価をしていました。しかし、その近傍サイズの任意決定は難しいのではないかと思い、質問したところ、そのパラメータの最適化も今後は必要だと回答されました。今回の研究発表を聞き、使用する最適化手法の性能を公平に比較するための方法を考えることは重要だと感じました。
 

発表タイトル       ：Neuro-Energetic Aspects of Cognition – The Role of Pulse-Wave-Pulse Conversion in the　Interpretation of Brain Imaging Data 著者                     ：Raymond Noack, Joshua Davis, Chetan Manjesh and Robert Kozma セッション名           ： Computational Intelligence, Cognitive Algorithms, Mind, and Brain II Abstract : In the last decade, neuro-energetics has become an important research topic, which can contribute to better understanding and interpreting brain imaging data. We need to understand how the brain encodes information coming from the environment, and how this information is converted to knowledge and meaning useful for intentional action and decision making. Valuable information can be derived from both single neuron and population (neuropil) recording in order to investigate the cognitive cycle. Usually pulses are measured with electrodes placed intracellularly while oscillations are measured through ECoG. Our main interest here is to investigate the relationship between the creation of knowledge and meaning and the metabolic cycle in neural populations, as well as the conversion of incoming action potentials to the dendritic structure of the neuron into currents which will contribute to new action potentials. This process we call the pulse-wave-pulse conversion. We model the coupling the energy consumption associated with new action potentials and the metabolic cycle, and the conclusions for future large-scale neuro-energetic models.

この研究は、脳の神経エネルギーモデルについて検討していました。100billionのニューロンの話を前置きとして、神経の構成要素を語り、そのモデル化を行っていました。質疑応答では、神経のスパイクモデルについて、なぜそのスパイクモデルを選択したか、そしてそのパラメータはどうやって決定したのかという議論が行われ、最もシンプルなモデルを使用し、今後フィードバックを行いながらadaptiveに決定していくようにすると回答していました。この分野の研究者は、他の発表でも見られましたが、パラメータチューニングに話題が上がり、パラメータの決定方法を意識しながら研究をする重要性を改めて痛感しました。
 
 

発表タイトル       ：Comparison Study of Large-scale Optimisation Techniques on the LSMOP Benchmark Functions 著者                  ：Heiner Zille and Sanaz Mostaghim セッション名       ：Computational Intelligence in Multicriteria Decision-Making II Abstract            : In this paper, we study the performance of three popular large-scale optimisation algorithms on the recently proposed large-scale many-objective optimisation problems (LSMOP). We briefly explain the three methods (MOEA/DVA, LMEA and WOF) and give an overview of their use and performance in the literature. For the Weighted Optimization Framework (WOF), we propose a new transformation function to eliminate the parameter needed in its previous version. In our experiments, we compare the three algorithms on the LSMOP1-9 functions with 2 and 3 objectives and up to 1006 decision variables. The special focus of our study is on the convergence speed and behaviour, since MOEA/DVA and LMEA, in contrast to WOF, need huge computational budgets to obtain variable groups prior to optimisation. Our experiments show that MOEA/DVA and WOF perform significantly better than LMEA on almost all instances and WOF further outperforms MOEA/DVA significantly in most of the 1006-variable problems, in solution quality as well as convergence speed. In most instances the WOF only needs 0:1% to 10% of the total evaluations to outperform the final solution sets obtained by LMEA and MOEA/DVA.

この発表はかねてから親交のあるSanaz教授とHeinerの研究発表であり、同じ多目的最適化を主題としているため、興味を持って聴講しました。研究では、母集団のサブグループ化を行う手法の提案を行い、そのうえで設計変数空間と目的関数空間を考慮されていました。設計変数の考慮は昨年の私の研究課題にもあたり、また3手法によるアルゴリズム性能比較を行っていたことから、より理解しなければならない研究であることを再確認致しました。