2024/04/12 更新

写真a

ユン　イェブン
尹　禮分
YUN Yeboon
所属
環境都市工学部 教授
職名
教授
連絡先
メールアドレス
外部リンク

学位

  • 理学修士 （ 釜慶国立大学校 ）

  • 博士(工学) （ 大阪大学 ）

研究キーワード

  • システム工学

  • System Engineering and Optimization

研究分野

  • ものづくり技術（機械・電気電子・化学工学） / 設計工学

  • ものづくり技術（機械・電気電子・化学工学） / 機械要素、トライボロジー

  • 社会基盤（土木・建築・防災） / 社会システム工学

  • 社会基盤（土木・建築・防災） / 安全工学

学歴

  • 大阪大学   工学研究科   電子情報エネルギー工学専攻

    - 2000年

    　 詳細を見る

  • 釜慶大学校大学院   理学研究科   応用数学

    1996年

    　 詳細を見る

    国名： 大韓民国

    researchmap

  • 釜慶大学校   理学部   応用数学科

    - 1994年

    　 詳細を見る

    国名： 大韓民国

    researchmap

  • 大阪大学   工学研究科   電子情報エネルギー工学専攻

    2000年

    　 詳細を見る

経歴

  • - Faculty of Engneering, Kagawa University, Associate Professor

    2007年4月 - 2010年3月

    　 詳細を見る

  • - 香川大学工学部, 准教授

    2007年4月 - 2010年3月

    　 詳細を見る

  • 香川大学工学部, 助教授

    2006年 - 2007年

    　 詳細を見る

  • Faculty of Engneering, Kagawa University, Associate Professor

    2006年 - 2007年

    　 詳細を見る

  • Faculty of Engneering, Kagawa University, Assistant Professor

    2000年 - 2006年

    　 詳細を見る

  • 香川大学工学部, 助手

    2000年 - 2006年

    　 詳細を見る

▼全件表示

所属学協会

▼全件表示

委員歴

  • Evolutionary Multi-Criterion Optimization, 5th International Conference on Evolutionary Multi-Criterion Optimization (EMO2009), Programming Committee  

    2009年4月   

    　 詳細を見る

  • International Conference on Optimization: Techniques and Applications, The 7th International Conference on Optimization: Techniques and Applications, Organizer and Chairman of Session  

    2007年12月   

    　 詳細を見る

  • Evolutionary Multi-Criterion Optimization, Fourth International Conference on Evolutionary Multi-Criterion Optimization (EMO2007), Programming Committee  

    2007年3月   

    　 詳細を見る

論文

  • 地質帯を考慮した機械学習によるNATMトンネル支保パターン評価に関する研究 査読

    長江 謙吾, 尹 禮分, 西尾 彰宣, 楠見 晴重

    第50回岩盤力学に関するシンポジウム講演集2024   pp.226-231   2024年1月

    　詳細を見る

  • 深層学習によるトンネル切羽岩盤の亀裂，風化評価及び支保パターン決定への適用に関する研究 る研究 査読

    中田 真成, 尹 禮分, 西尾 彰宣, 楠見 晴重

    第 50 回岩盤力学に関するシンポジウム講演論文集2024   pp.220-225   2024年1月

    　詳細を見る

  • Graph Convolutional Neural Network in Genetic Algorithms for Constrained Optimization

    K. Fujita, Y.B. Yun, M. Yoon

    The 24th Int’l Symposium onIntelligent Systems   pp.112-116   2023年12月

    　詳細を見る

  • Rock Evaluation of NATM Tunnel Face Using Deep Learning 査読

    M. Nakata, K. D. Halim, Y.B. Yun, H. Kusumi, A. Nishio

    15th ISRM Congress 2023 & 72nd Geomechanics Colloquium. Schubert & Kluckner (eds.)   pp.721-726   2023年10月

    　詳細を見る

  • Determination of Reinforcement Degrees Based on Natural Conditions in Infrastructure Construction Using Recurrent Neural Networks 査読

    K. Tatsumi, H. Miyahara, Y.B. Yun

    Proceedings of the 23rd Czech-Japan Seminar on Data Analysis and Decision Making under Uncertainty   pp.15-16   2023年9月

    　詳細を見る

  • 一般化データ包絡分析法による効率性評価の提案 査読

    蘇 セイブン, 尹 禮分, 尹 敏

    第39回ファジイシステムシンポジウム講演論文集   2F3-2 pp.626-629   2023年9月

    　詳細を見る

  • 機械学習によるNATMトンネルにおける支保パターン判定 査読

    K. D. Halim, 長江 謙吾, 尹 禮分, 楠見 晴重, 西尾 彰宣

    第 49 回岩盤力学に関するシンポジウム講演集   pp.121-126   2023年1月

    　詳細を見る

  • 深層学習による NATM トンネル切羽面の岩盤評価 査読

    中田真成, 梶山くるみ, 楠見晴重, 尹禮分, 西尾彰宣

    第 49 回岩盤力学に関するシンポジウム講演集   pp.127-132   2023年1月

    　詳細を見る

  • Development of Fitness and Interactive Decision Making in Multi-Objective Optimization 査読

    Y.B. Yun, D. J. Park, M. Yoon

    Journal of Korean Society of Industrial and Systems Engineering   Vol. 45, No. 4 pp.109-117   2022年12月

    　詳細を見る

  • 人口社会モデルによる都市部の各種交通政策導入効果の検討

    井ノ口 弘昭, 秋山 孝正, 尹 禮分

    第３８回ファジィシシテムシンポジウム講演論文集   pp.167-170   2022年9月

    　詳細を見る

  • Determination of Reinforcement Degrees in Constructing Large-scale Structures by using Multiclass Support Vector Machines 査読

    K. Tatsumi, S. Tsujioka, R. Masui, Y. Kusunoki, Y.B. Yun

    ELSEVIER Knowledge-Based Systems   Vol.249 pp.1-11   108807 - 108807   2022年8月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    DOI： 10.1016/j.knosys.2022.108807

    researchmap

  • 緊急救命避難支援システムのための疎構造学習を用いた災害時行動状態の特徴分析 査読

    尹 禮分, 和田 友孝

    信学技報   vol.122 No.142 pp.16-21   2022年7月

    　詳細を見る

  • Evaluation of NATM Tunnrl Cutting Face in Japan Using Machine Learning 査読

    K.D.Halim, Y.B.Yun, H.Kusumi

    ARMA   22-0344   2022年6月

    　詳細を見る

  • 機械学習を用いた災害時における行動状態の変化検知に関する検討 査読

    尹 禮分, 和田 友孝

    第26回関西大学先端科学技術シンポジウム   pp.86-89   2022年1月

    　詳細を見る

  • 機械学習による暑さ指数（WBGT）の予測に関する検討 査読

    路 暢, 尹 禮分, 尹 敏

    第26回関西大学先端科学技術シンポジウム   pp.46-49   2022年1月

    　詳細を見る

  • Convolutional Neural Network を用いたトンネル切羽面の岩盤亀裂評価への適用性に関する研究 査読

    榎並 大希, 尹 禮分, 西尾 彰宣, 楠見 晴重

    第 48 回岩盤力学に関するシンポジウム講演集   p.214-218   2022年1月

    　詳細を見る

  • Meta-Learning of RBF Networks in Sequential Approximate Optimization 査読

    Y.B. Yun, M.Yoon

    Journal of Nonlinear and Convex Analysis   Vol.22 pp.1-16   2021年12月

    　詳細を見る

  • 自然状況を考慮したSVMによる大型構造物の補強度合判定 査読

    増井 遼太, 巽 啓司, 楠木 祥文, 尹 禮分

    第64回自動制御連合講演会   pp.172-175   2021年11月

    　詳細を見る

  • 機械学習による揚水に伴う水源揚水井の地下水運転水位の将来予測に関する研究 査読

    平川 将寛, 尹 禮分, 楠見 晴重

    Kansai Geo Symposium 2021 ―地下水地盤環境・防災・計測技術に関するシンポジウム―   pp.213-217   2021年11月

    　詳細を見る

  • Multiclass Support Vector Machines for Determination of Reinforcement Degree in Constructing Large-Scale Structures Based on Data Characteristics 査読

    K. Tatsumi, R. Masui, S. Tsujioka, Y.Kusunoki, Y.B. Yun

    2021 IEEEInternational Conference on Systems,Man,and Cybernetics   pp.1513-1518   2021年10月

    　詳細を見る

    掲載種別：研究論文（国際会議プロシーディングス）  

    DOI： 10.1109/smc52423.2021.9658763

    researchmap

  • On Selecting Hyper-Parameters In RBF Network 査読

    Y.B.Yun, S. Yoshida, M. Yoon

    Yokohama Publishers   pp.1-16   2021年5月

    　詳細を見る

  • Proposal of Meta-Learning in Support Vector Machines 査読

    Y.B. Yun, M.Yoon

    JOURNAL OF THE KOREAN DATA ANALYSIS SOCIETY   VOLUME 23NUMBER 1   2021年2月

    　詳細を見る

  • 地震被害リスクを考慮した対策優先トンネルの選定 査読

    浦川佳樹, 林久資, 尹禮分, 進士正人

    トンネル工学報告集第30巻   Ⅰ-29(7pages)   2020年11月

    　詳細を見る

  • A Confirmatory Factor Analysis for Quality Competitiveness Excellence Company Evaluation Indicators 査読

    D. J. Park, Y.B. Yun, M. Yoon

    Journal of Society of Korea Industrial and Systems Engineering   Vol.43 No.3 pp.101-111   2020年9月

    　詳細を見る

  • 機械学習によるトンネル切羽面の岩盤評価と支保設計への適用性に関する研究 査読

    榎並大希, 金子元紀, 尹禮分, 楠見晴重, 西尾彰宣

    令和2年度土木学会全国大会第75回年次学術講演会講演概要集   Ⅲ-239(2pages)   2020年9月

    　詳細を見る

  • NATMにおける機械学習による支保パターン決定に関する研究 査読

    金子元紀, 榎並大希, 尹禮分, 楠見晴重, 西尾彰宣

    第47回岩盤力学に関するシンポジウム講演集   pp.57-61   2020年1月

    　詳細を見る

  • グラフィカルラッソの糖尿病診断への適用性に関する検証 査読

    金ヨンキョン, 尹禮分, M. Yoon, 中山弘隆

    第60回土木計画学研究発表会講演集   Vol.60,No.42-5, pp.1-4   2019年12月

    　詳細を見る

  • データ構造を考慮した多クラスSupport Vector Machine 査読

    辻岡竣祐, 巽啓司, 楠木祥文, 尹禮分

    第62回自動制御連合講演会論文集   NO.2M1-01(5 pages)   2019年11月

    　詳細を見る

  • 機械学習によるトンネル切羽の岩盤判定と支保パターン決定に関する研究 査読

    金子元紀, 楠見晴重, 尹禮分, 西尾彰宣

    地下水地盤環境・防災・計測技術に関するシンポジウム 論文集   pp.227-232   2019年11月

    　詳細を見る

  • Meta-Learning of Selecting Optimal Hyperparameters for RBF Networks 査読

    S.Yoshida, Y.B. Yun, H. Nakayama, M.Yoon

    第62回自動制御連合講演会論文集   2M1-02(2 pages)   2019年11月

    　詳細を見る

  • Design for Support Patterns of NATM Tunnel using Machine Learning 査読

    Y.B. Yun, G.Kaneko, H.Kusumi, A.Nishio, T.Kurotani

    ICITG 2019: Information Technology in Geo-Engineering，Springer   pp.376-382   2019年9月

    　詳細を見る

  • A Characteristic Analysis for Quality Competitiveness Excellent Company 査読

    D.J.Park, Y.B. Yun, I.S. Kang

    Journal Society Korea Industrial and Systems Engineering   Vol.42,No.3,pp.95-108   2019年9月

    　詳細を見る

  • 機械学習によるトンネル切羽の岩盤判定と支保パターン決定に関する研究 査読

    金子元紀, 楠見晴重, 尹禮分, 西尾彰宣

    令和元年度土木学会全国大会第74回年次学術講演会論文集   VI-385(2 pages)   2019年9月

    　詳細を見る

  • エージェントモデルを用いた地方都市における環境未来都市の形成過程に関する考察 査読

    井ノ口弘昭, 秋山孝正, 尹禮分

    知能と情報・日本知能情報ファジィ学会誌   Vol.31, No,6,pp.501-512   2019年6月

    　詳細を見る

  • 機械学習を用いた多目的モデル予測制御 査読

    尹禮分, 中山弘隆, 尹敏

    第61回自動制御連合講演会論文集   pp.1337-1340   2018年11月

    　詳細を見る

  • Multi-Objective Model Predictive Control 査読

    Y.B. Yun, H. Nakayama, M.Yoon

    Proceedings of 2018 Joint 10th International Conference on Soft Computing and Intelligent Systems and 19th International Symposium on Advanced Intelligent Systems   pp.304-308   2018年11月

    　詳細を見る

  • 下水道管渠維持管理問題へグラフィカルラッソの適用に関する検討 査読

    尹禮分, 中山弘隆, 尹敏

    第 34 回ファジィシステムシンポジウム講演論文集   pp.159-162   2018年9月

    　詳細を見る

  • Intelligent Multi-Objective Model Predictive Control Applied to Steam Turbine Start-up 査読

    M. Shirakawa, Y.B. Yun, M. Arakawa

    Journal of Advanced Mechanical Design, Systems, and Manufacturing，   Vol.12,No.1,pp.1-19 ( 1 )   2018年1月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    DOI： 10.1299/jamdsm.2018jamdsm0007

    Scopus

    researchmap

  • Ensembled Support Vector Machines for Meta-Modeling 査読

    Y.B. Yun, H.Nakayama

    Communications in Computer and Information Science: Knowledge and Systems Sciences，Springer，   Vol.660, pp. 203-212   2016年11月

    　詳細を見る

  • Generation of Pareto Optimal Solutions Using Generalized GDEA and PSO 査読

    Y.B. Yun, H. Nakayama, M. Yoon

    Journal of Global Optimization   Vol.64,No.1,pp. 49-61   2016年1月

    　詳細を見る

  • Generation of Pareto Optimal Solutions Using Generalized DEA and PSO 査読

    Y.B.Yun, H.Nakayama

    Journal of Global Optimization・DOI 10.1007/ s10898-015-0314-3 (published online)   13 pages   2015年6月

    　詳細を見る

  • Effective learning method for tuning parameters in SVM 査読

    Y.B.Yun, H.Nakayama

    The 9th International Symposium in Science and Technology   129-132頁   2014年8月

    　詳細を見る

  • 需要予測の不確実性を考慮したロバスト運転計画

    西口純也, 黒崎淳, 綛田長生, 北山哲士, 荒川雅生, 中山弘隆, 尹禮分

    システム制御情報学会誌   Vol.27, No.5, 200-206頁   2014年5月

    　詳細を見る

  • Utilizing expected improvement and generalized data envelopment analysis in multi-objective genetic algorithms

    Yeboon Yun, Hirotaka Nakayama

    JOURNAL OF GLOBAL OPTIMIZATION   57 ( 2 )   367 - 384   2013年10月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：SPRINGER  

    Meta-heuristic methods such as genetic algorithms (GA) and particle swarm optimization (PSO) have been extended to multi-objective optimization problems, and have been observed to be useful for finding good approximate Pareto optimal solutions. In order to improve the convergence and the diversity in the search of solutions using meta-heuristic methods, this paper suggests a new method to make offspring by utilizing the expected improvement (EI) and generalized data envelopment analysis (GDEA). In addition, the effectiveness of the proposed method will be investigated through several numerical examples in comparison with the conventional multi-objective GA and PSO methods.

    DOI： 10.1007/s10898-013-0038-1

    Web of Science

    researchmap

  • Utilizing expected improvement and generalized data envelopment analysis in multi-objective genetic algorithms

    Y.B.Yun, H.Nakayama

    Journal of Global Optimization   Vol.57, Issue2, 367-384頁   2013年10月

    　詳細を見る

  • Generating of Pareto frontiers using machine learning

    Y.B.Yun, N.Y.Jung, M.Yoon

    Journal of Korean Data and Information Science Society   Vol.24, No.3, 495-504頁   2013年5月

    　詳細を見る

  • Multicriteria Decision Aid and Artificial Intelligence: Links, Theory, and Applications 査読

    Y.B.Yun, H.Nakayama

    John Wiley & Sons   209-234頁(edited by Doumpos and Grigoroudis)   2013年4月

    　詳細を見る

  • Comparison of customer classification performance using machine learning 査読

    J.G.Eom, H.S.Seo, Y.B.Yun, M.Yoon

    Journal of the Korean Data Analysis Society   Vol.14,No.5(B),2441-2450頁   2012年10月

    　詳細を見る

  • 期待改善量と一般化包絡分析法を用いたパレート最適解の生成法 査読

    尹禮分, 中山弘隆

    システム制御情報学会論文誌   Vol.25,No.8,189-195頁   2012年8月

    　詳細を見る

  • Prediction of bankruptcy data by machine learning techniques 査読

    D.J.Park, Y.B.Yun, M.Yoon

    Korean Data and Information Science Society   Vol.23,No.3,569 -577頁   2012年5月

    　詳細を見る

  • Optimal inventory control for deteriorative goods considering delays of deliveries 査読

    Y.B.Yun, S.Osako, T.Nakai

    Journal of Information and Optimization Sciences   Vol. 33,No. 1,103-114頁   2012年1月

    　詳細を見る

  • Game theoretical approaches concerning R&D 査読

    Y.B.Yun, Y.Hisata, T.Nakai

    Journal of Information and Optimization Sciences   Vol. 33,No. 1,115-133頁   2012年1月

    　詳細を見る

  • 一般化包絡分析法を用いた多目的PSO法 査読

    尹禮分, 中山弘隆

    システム制御情報学会論文誌   Vol.23,No.9   2010年9月

    　詳細を見る

  • ロジスティック回帰モデルを用いた災害発生危険度の活用に関する研究 査読

    篠崎嗣浩, 芦田悠輔, 朴東俊, 尹敏, 尹禮分, 大石博之, 古川浩平

    砂防学会誌   Vol.63・No.1・14-21項   2010年5月

    　詳細を見る

  • Multi-objective model predictive control

    H.Nakayama, Y.B.Yun, M.Shirakawa

    MCDM for Sustainable Energy and Transportation Systems   Vol.634・277-288頁   2010年1月

    　詳細を見る

  • 局地的な集中豪雨に対応した逐次更新型の降雨時列車運行規制基準に関する研究 査読

    三輪一弘, 荒木義則, 竹本大昭, 清家礼雄, 尹禮分, 中山弘隆, 古川浩平

    土木学会論文集F   Vol.65, No.4・485-494頁   2009年11月

    　詳細を見る

  • Multi-objective optimization based on meta-modeling by using support vector regression

    Yeboon Yun, Min Yoon, Hirotaka Nakayama

    OPTIMIZATION AND ENGINEERING   10 ( 2 )   167 - 181   2009年6月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：SPRINGER  

    Practical engineering design problems have a black-box objective function whose forms are not explicitly known in terms of design variables. In those problems, it is very important to make the number of function evaluations as few as possible in finding an optimal solution. So, in this paper, we propose a multi-objective optimization method based on meta-modeling predicting a form of each objective function by using support vector regression. In addition, we discuss a way how to select additional experimental data for sequentially revising a form of objective function. Finally, we illustrate the effectiveness of the proposed method through some numerical examples.

    DOI： 10.1007/s11081-008-9063-1

    Web of Science

    researchmap

  • Practical Approach to Outlier Detection Using Support Vector Regression

    Junya Nishiguchi, Chosei Kaseda, Hirotaka Nakayama, Masao Arakawa, Yeboon Yun

    ADVANCES IN NEURO-INFORMATION PROCESSING, PT I   5506   995 - +   2009年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：SPRINGER-VERLAG BERLIN  

    For precise estimation with soft sensors, it is necessary to remove outliers from the measured raw data before constructing the model. Conventionally, visualization and maximum residual error have been used for outlier detection, but they often fail to detect outliers for nonlinear function with multidimensional input. In this paper we propose a practical approach to outlier detection using Support Vector Regression, which reduces computational cost and defines outlier threshold appropriately. We apply this approach to both test and industrial datasets for validation.

    Web of Science

    researchmap

  • 計算知能を用いた逐次近似多目的最適化手法

    尹禮分, 中山弘隆, 尹敏

    計測自動制御学会論文集   Vol.43,No.8・672-678頁   2007年8月

    　詳細を見る

  • 事業優先順位設定手法の適用事例

    佐藤丈晴, 尹禮分, 古川浩平

    日本地すべり学会誌   Vol.44,No.1・46-49頁   2007年5月

    　詳細を見る

  • サポートベクターマシンによる対策工効果を考慮した土石流危険渓流の危険度評価

    大石博之, 尹禮分, 中山弘隆, 古川浩平

    砂防学会誌   Vol.60・No.1・3-10頁   2007年5月

    　詳細を見る

  • OLDFとSVMの比較研究－種々のデータによるSVMとの比較－ 査読

    新村秀一 尹禮分

    成蹊大学経済学部論集   Vol.37・No.2・89-119頁   2007年3月

    　詳細を見る

  • サポートベクターマシンによる対策工効果を考慮した斜面災害危険度の設定

    大石博之, 小林央宜, 尹禮分, 田中浩一, 中山弘隆, 古川浩平

    土木学会論文集   Vol.63・No.1・107-118頁   2007年1月

    　詳細を見る

  • Sequential approximation method in multi-objective optimization using aspiration level approach

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    EVOLUTIONARY MULTI-CRITERION OPTIMIZATION, PROCEEDINGS   4403   317 - +   2007年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：SPRINGER-VERLAG BERLIN  

    One of main issues in multi-objective optimization is to support for choosing a final solution from Pareto frontier which is the set of solution to problem. For generating a part of Pareto optimal solution closest to an aspiration level of decision maker, not the whole set of Pareto optimal solutions, we propose a method which is composed of two steps; i) approximate the form of each objective function by using support vector regression on the basis of some sample data, and ii) generate Pareto frontier to the approximated objective functions based on given the aspiration level. In addition, we suggest to select additional data for approximating sequentially the forms of objective functions by relearning step by step. Finally, the effectiveness of the proposed method will be shown through some numerical examples.

    Web of Science

    researchmap

  • MOP/GP models for machine learning

    H Nakayama, YB Yun, T Asada, M Yoon

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   166 ( 3 )   756 - 768   2005年11月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：ELSEVIER SCIENCE BV  

    Techniques for machine learning have been extensively studied in recent years as effective tools in data mining. Although there have been several approaches to machine learning, we focus on the mathematical programming (in particular, multi-objective and goal programming; MOP/GP) approaches in this paper. Among them, Support Vector Machine (SVM) is gaining much popularity recently. In pattern classification problems with two class sets, its idea is to find a maximal margin separating hyperplane which gives the greatest separation between the classes in a high dimensional feature space. This task is performed by solving a quadratic programming problem in a traditional formulation, and can be reduced to solving a linear programming in another formulation. However, the idea of maximal margin separation is not quite new: in the 1960s the multi-surface method (MSM) was suggested by Mangasarian. In the 1980s, linear classifiers using goal programming were developed extensively.
    This paper presents an overview on how effectively MOP/GP techniques can be applied to machine learning such as SVM, and discusses their problems. (c) 2004 Elsevier B.V. All rights reserved.

    Web of Science

    researchmap

  • Genetic algorithm for multi-objective optimization using GDEA 査読

    Y.B.Yun, M.Yoon, H.Nakayama

    Advances in Natural Computation   Part III,Vol.3612・409-416頁   2005年9月

    　詳細を見る

  • Multiple criteria decision making with generalized DEA and an aspiration level method 査読

    Y.B.Yun, H.Nakayama, M.Arakawa

    European Journal of Operational Research   Vol.15・No.3・697-706頁   2004年11月

    　詳細を見る

  • Pattern classification by goal programming and support vector machines

    T.Asada, Y.B.Yun, H.Nakayama, T.Tanino

    Computational Management Sciences   Vol.1・No.3・211-230頁   2004年10月

    　詳細を見る

  • A generalized model for data envelopment analysis 査読

    Y.B.Yun, H.Nakayama, T.Tanino

    European Journal of Operational Research   Vol.157,No.1・87-105頁   2004年8月

    　詳細を見る

  • Total margin algorithms in support vector machines 査読

    M.Yoon, Y.B.Yun, H.Nakayama

    IEICE Transactions on Information and Systems   Vol.E87・No.5・1223-1230頁   2004年5月

    　詳細を見る

  • Prediction of business failure by total margin support vector machines

    Y Yun, M Yoon, H Nakayama, W Shiraki

    KNOWLEDGE-BASED INTELLIGENT INFORMATION AND ENGINEERING SYSTEMS, PT 1, PROCEEDINGS   3213   441 - 448   2004年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：SPRINGER-VERLAG BERLIN  

    The analysis and management of business failure has been recognized to be important in the area of financial management in the evaluation of firms' performance and the assessment of their viability. To this end, effective failure-prediction models are needed. This paper describes a new approach to prediction of business failure using the total margin algorithm which is a kind of support vector machine. It will be shown that the proposed method can evaluate the risk of failure better than existing methods through some real data.

    Web of Science

    researchmap

  • Goal programming approaches to support vector machines

    H.Nakayama, Y.B.Yun, T.Asada, M.Yoon

    Knowledge-Based Intelligent Information and Engineering Systems   Part I,Vol.2773・356-363頁   2003年10月

    　詳細を見る

  • A soft margin algorithm controlling tolerance directly

    M.Yoon, H.Nakayama, Y.B.Yun

    Multi-Objective Programming and Goal Programming: Theory and Applications   Vol.21・281-288頁   2003年7月

    　詳細を見る

  • Support vector machines controlling noise influence directly

    M.Yoon, H.Nakayama, Y.B.Yun

    計測自動制御学会論文集   Vol.39・No.1・82-84頁 ( 1 )   82 - 84   2003年1月

    　詳細を見る

    記述言語：英語   出版者・発行元：計測自動制御学会  

    CiNii Books

    researchmap

  • Dual approach to generalized data envelopment analysis based on production possibility 査読

    Y.B.Yun, H.Nakayama, T.Tanino

    Multi-Objective Programming and Goal Programming：Recent Developments   Vol.12・196-205頁   2002年3月

    　詳細を見る

  • Generation of efficient frontiers in multi-objective optimization problems by generalized data envelopment analysis 査読

    Y.B.Yun, H.Nakayama, T.Tanino, M.Arakawa

    European Journal of Operational Research   Vol.129・No.3・586-595頁   2001年3月

    　詳細を見る

  • 一般化包絡分析法への双対アプローチ 査読

    尹禮分, 中山弘隆, 谷野哲三

    計測自動制御学会論文集   Vol.36・No.9・804-809頁   2000年9月

    　詳細を見る

  • On efficiency of data envelopment analysis

    Y.B.Yun, H.Nakayama, T.Tanino

    Research and Practice in Multiple Criteria Decision Making   Vol.487・208-217頁   2000年6月

    　詳細を見る

  • 一般化包絡分析法と遺伝アルゴリズムによる多目的最適化の一手法 査読

    尹禮分, 中山弘隆, 谷野哲三, 荒川雅生

    システム制御情報学会論文誌   Vol.13,No.4・179-185頁   2000年4月

    　詳細を見る

  • 包絡分析法(DEA)モデルの一般化 査読

    尹禮分, 中山弘隆, 谷野哲三

    計測自動制御学会論文集   Vol.35・No.8・1813-1818頁   1999年8月

    　詳細を見る

  • Multi objective symmetric duality with cone constraints

    D.S. Kim, Y.B.Yun

    1998年6月

    　詳細を見る

  • Second-order symmetric and self duality in multiobjective programming

    DS Kim, YB Yun, H Kuk

    APPLIED MATHEMATICS LETTERS   10 ( 2 )   17 - 22   1997年3月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：PERGAMON-ELSEVIER SCIENCE LTD  

    We suggest the second-order symmetric and self dual programs in multiobjective nonlinear programming. For these second-order symmetric dual programs, we prove the weak, strong, and converse duality theorems under convexity and concavity conditions. Also, we prove the self duality theorem for these second-order self dual programs and illustrate its example.

    Web of Science

    researchmap

▼全件表示

書籍等出版物

  • Generalized data envelopment analysis and computational intelligence in multiple criteria decision making 査読

    Y.B. Yun, H. Nakayama（ 担当： 共著）

    Multicriteria Decision Aid and Artificial Intelligence: Links, Theory, and Applications, John Wiley & Sons （Eds: M. Doumpos, E. Grigoroudis）  2013年4月 

    　詳細を見る

  • 計算知能の逐次近似多目的最適化への応用 査読

    中山弘隆, 尹禮分（ 担当： 共著）

    オペレーションズ・リサーチ誌  2012年5月 

    　詳細を見る

  • メタモデルと多目的最適化手法 査読

    尹 禮分（ 担当： 単著）

    システム制御情報学会学会誌  2011年9月 

    　詳細を見る

  • Computational Intelligence in Expensive Optimization Problems (Adaptation, Learning, and Optimization) 査読

    H.Nakayama, Y.B.Yun, M.Shirakawa（ 担当： 共著）

    Springer  2010年5月 

    　詳細を見る

  • Sequential Approximate Multi-Objective Optimization using Computational Intelligence 査読

    H.Nakayama, Y.B.Yun, M.Yoon（ 担当： 共著）

    Springer  2009年5月 

    　詳細を見る

  • 多目的最適化と工学設計 －しなやかシステム工学アプローチ－ 査読

    中山弘隆, 岡部達哉, 荒川雅生, 尹 禮分（ 担当： 共著）

    現代図書  2007年12月 

    　詳細を見る

  • 多目的最適化と工学設計

    現代図書  2007年 

    　詳細を見る

  • 多目的最適化と工学設計

    現代図書  2007年 

    　詳細を見る

  • Multi-Objective Machine Learning：Studies in Computational Intelligence 査読

    H.Nakayama, Y.B.Yun（ 担当： 共著）

    Springer  2006年3月 

    　詳細を見る

  • Multiple Criteria Optimization －State of the Art Annotated Bibliographic Surveys－ 査読

    H.Nakayama, M.Arakawa, Y.B.Yun（ 担当： 共著）

    Kluwer  2002年6月 

    　詳細を見る

  • New Frontiers of Decision Making for the Information Technology Era 査読

    H.Nakayama, T.Tanino, Y.B.Yun（ 担当： 共著）

    World Scientific Publishing Co. Pte. Ltd.  2000年5月 

    　詳細を見る

  • Sequential Approximate Multiobjective Optimization Using Computational Intelligence

    Springer 

    　詳細を見る

▼全件表示

MISC

  • Multi-objective optimization based on meta-modeling by using support vector regression

    Yeboon Yun, Min Yoon, Hirotaka Nakayama

    OPTIMIZATION AND ENGINEERING   10 ( 2 )   167 - 181   2009年6月

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER  

    Practical engineering design problems have a black-box objective function whose forms are not explicitly known in terms of design variables. In those problems, it is very important to make the number of function evaluations as few as possible in finding an optimal solution. So, in this paper, we propose a multi-objective optimization method based on meta-modeling predicting a form of each objective function by using support vector regression. In addition, we discuss a way how to select additional experimental data for sequentially revising a form of objective function. Finally, we illustrate the effectiveness of the proposed method through some numerical examples.

    DOI： 10.1007/s11081-008-9063-1

    Web of Science

    researchmap

  • Multi-objective optimization based on meta-modeling by using support vector regression

    Yeboon Yun, Min Yoon, Hirotaka Nakayama

    OPTIMIZATION AND ENGINEERING   10 ( 2 )   167 - 181   2009年6月

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER  

    Practical engineering design problems have a black-box objective function whose forms are not explicitly known in terms of design variables. In those problems, it is very important to make the number of function evaluations as few as possible in finding an optimal solution. So, in this paper, we propose a multi-objective optimization method based on meta-modeling predicting a form of each objective function by using support vector regression. In addition, we discuss a way how to select additional experimental data for sequentially revising a form of objective function. Finally, we illustrate the effectiveness of the proposed method through some numerical examples.

    DOI： 10.1007/s11081-008-9063-1

    Web of Science

    researchmap

  • Practical approach to outlier detection using support vector regression

    Junya Nishiguchi, Chosei Kaseda, Hirotaka Nakayama, Masao Arakawa, Yeboon Yun

    Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)   5506 ( 1 )   995 - 1001   2009年

    　詳細を見る

    記述言語：英語  

    For precise estimation with soft sensors, it is necessary to remove outliers from the measured raw data before constructing the model. Conventionally, visualization and maximum residual error have been used for outlier detection, but they often fail to detect outliers for nonlinear function with multidimensional input. In this paper we propose a practical approach to outlier detection using Support Vector Regression, which reduces computational cost and defines outlier threshold appropriately. We apply this approach to both test and industrial datasets for validation. © 2009 Springer Berlin Heidelberg.

    DOI： 10.1007/978-3-642-02490-0_121

    Scopus

    researchmap

  • Practical approach to outlier detection using support vector regression

    Junya Nishiguchi, Chosei Kaseda, Hirotaka Nakayama, Masao Arakawa, Yeboon Yun

    Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)   5506 ( 1 )   995 - 1001   2009年

    　詳細を見る

    記述言語：英語  

    For precise estimation with soft sensors, it is necessary to remove outliers from the measured raw data before constructing the model. Conventionally, visualization and maximum residual error have been used for outlier detection, but they often fail to detect outliers for nonlinear function with multidimensional input. In this paper we propose a practical approach to outlier detection using Support Vector Regression, which reduces computational cost and defines outlier threshold appropriately. We apply this approach to both test and industrial datasets for validation. © 2009 Springer Berlin Heidelberg.

    DOI： 10.1007/978-3-642-02490-0_121

    Scopus

    researchmap

  • Multi-objective Model Predictive Optimization using Computational Intelligence

    Hirotaka Nakayama, Yeboon Yun

    Artifical Intelligence in Theory and Practice II   1   319 - 328   2008年

    　詳細を見る

  • Multi-objective Model Predictive Optimization using Computational Intelligence

    Hirotaka Nakayama, Yeboon Yun

    Artifical Intelligence in Theory and Practice II   1   319 - 328   2008年

    　詳細を見る

  • 計算知能を用いた逐次近似多目的最適化手法 査読

    尹禮分, 中山弘隆, 尹敏

    計測自動制御学会論文集   Vol.43,No.8・672-678頁 ( 8 )   672 - 678   2007年8月

    　詳細を見る

    出版者・発行元：The Society of Instrument and Control Engineers  

    Many decision making problems are formulated as multi-objective optimization problems so as to satisfy diverse demands of decision maker. One of main issues in multi-objective optimization is how to find a Pareto optimal solution which meets decision maker's demands. To the end, interactive optimization methods, for example aspiration level methods, have been developed. On the other hand, several methods using genetic algorithm have been researched for generating the whole set of Pareto optimal solutions. However, those conventional methods have some problems when applying them to real practical problems considering the number of function evaluations. In many engineering design problems, generally, there are black-box objective functions whose forms are not explicitly known in terms of design variables. Under this circumstance, given design variables, the values of objective function can be obtained by sampled real/computational experiments such as structural analysis, fluid-mechanical analysis, thermodynamic analysis, and so on. These analyses are expensive and time consuming, and it is an important issue in real application problems how to make the number of necessary analyses as few as possible. In this paper, we suggest a sequential approximation method for solving multi-objective optimization problems, which is composed of two stages; i) the first stage is to predict the form of each objective function by using support vector regression on the basis of some experimental data, ii) the second stage is to find the Pareto optimal solution closest to the given aspiration level of decision maker using thepredicted objective functions, and in parallel, to generate the whole set of Pareto optimal solutions. Also, we discuss a way how to select additional experimental data for revising the form of objective function by relearning step by step. Finally, we illustrate the effectiveness of the proposed method through some numerical examples.

    DOI： 10.9746/ve.sicetr1965.43.672

    researchmap

  • 計算知能を用いた逐次近似多目的最適化手法 査読

    尹禮分, 中山弘隆, 尹敏

    計測自動制御学会論文集   Vol.43,No.8・672-678頁 ( 8 )   672 - 678   2007年8月

    　詳細を見る

    出版者・発行元：The Society of Instrument and Control Engineers  

    Many decision making problems are formulated as multi-objective optimization problems so as to satisfy diverse demands of decision maker. One of main issues in multi-objective optimization is how to find a Pareto optimal solution which meets decision maker's demands. To the end, interactive optimization methods, for example aspiration level methods, have been developed. On the other hand, several methods using genetic algorithm have been researched for generating the whole set of Pareto optimal solutions. However, those conventional methods have some problems when applying them to real practical problems considering the number of function evaluations. In many engineering design problems, generally, there are black-box objective functions whose forms are not explicitly known in terms of design variables. Under this circumstance, given design variables, the values of objective function can be obtained by sampled real/computational experiments such as structural analysis, fluid-mechanical analysis, thermodynamic analysis, and so on. These analyses are expensive and time consuming, and it is an important issue in real application problems how to make the number of necessary analyses as few as possible. In this paper, we suggest a sequential approximation method for solving multi-objective optimization problems, which is composed of two stages; i) the first stage is to predict the form of each objective function by using support vector regression on the basis of some experimental data, ii) the second stage is to find the Pareto optimal solution closest to the given aspiration level of decision maker using thepredicted objective functions, and in parallel, to generate the whole set of Pareto optimal solutions. Also, we discuss a way how to select additional experimental data for revising the form of objective function by relearning step by step. Finally, we illustrate the effectiveness of the proposed method through some numerical examples.

    DOI： 10.9746/ve.sicetr1965.43.672

    researchmap

  • 事業優先順位設定手法の適用事例 査読

    佐藤丈晴, 尹禮分, 古川浩平

    日本地すべり学会誌   Vol.44,No.1・46-49頁 ( 1 )   46 - 49   2007年5月

    　詳細を見る

    記述言語：日本語   出版者・発行元：The Japan Landslide Society  

    DOI： 10.3313/jls.44.46

    CiNii Books

    researchmap

    その他リンク： https://jlc.jst.go.jp/DN/JALC/00295452737?from=CiNii

  • サポートベクターマシンによる対策工効果を考慮した土石流危険渓流の危険度評価 査読

    大石博之, 尹禮分, 中山弘隆, 古川浩平

    砂防学会誌   Vol.60・No.1・3-10頁 ( 1 )   3 - 10   2007年5月

    　詳細を見る

  • サポートベクターマシンによる対策工効果を考慮した土石流危険渓流の危険度評価 査読

    大石博之, 尹禮分, 中山弘隆, 古川浩平

    砂防学会誌   Vol.60・No.1・3-10頁 ( 1 )   3 - 10   2007年5月

    　詳細を見る

  • 事業優先順位設定手法の適用事例 査読

    佐藤丈晴, 尹禮分, 古川浩平

    日本地すべり学会誌   Vol.44,No.1・46-49頁 ( 1 )   46 - 49   2007年5月

    　詳細を見る

    記述言語：日本語   出版者・発行元：The Japan Landslide Society  

    DOI： 10.3313/jls.44.46

    CiNii Books

    researchmap

    その他リンク： https://jlc.jst.go.jp/DN/JALC/00295452737?from=CiNii

  • サポートベクターマシンによる対策工効果を考慮した斜面災害危険度の設定 査読

    大石博之, 小林央宜, 尹禮分, 田中浩一, 中山弘隆, 古川浩平

    土木学会論文集   Vol.63・No.1・107-118頁 ( 1 )   107 - 118   2007年1月

    　詳細を見る

    記述言語：日本語   出版者・発行元：Japan Society of Civil Engineers  

    斜面の災害危険度を評価することは，効率的に防災事業を進めるための重要な課題である．これについては詳細な調査や安定解析に基づいた評価を個別に行うことが望ましいが，対象数が膨大であるため困難となることが多い．そこで，本研究では数理的手法のひとつであるサポートベクターマシンを活用し，各斜面の諸元データと災害履歴を学習することで災害危険度を評価することを試みた．道路沿線斜面のデータを例とした分析では，従来法以上の高い精度で危険度が評価できることが判明した．また，既に対策済みの斜面については，無対策斜面データのみの学習結果に基づく評価と対策済み斜面のみでのそれとを比較することで，対策工効果の指標値を得ることを発案した．これらの成果は，防災事業を進めていく上で大変有効なものと考えられる．

    DOI： 10.2208/jscejf.63.107

    researchmap

  • サポートベクターマシンによる対策工効果を考慮した斜面災害危険度の設定 査読

    大石博之, 小林央宜, 尹禮分, 田中浩一, 中山弘隆, 古川浩平

    土木学会論文集   Vol.63・No.1・107-118頁 ( 1 )   107 - 118   2007年1月

    　詳細を見る

    記述言語：日本語   出版者・発行元：Japan Society of Civil Engineers  

    斜面の災害危険度を評価することは，効率的に防災事業を進めるための重要な課題である．これについては詳細な調査や安定解析に基づいた評価を個別に行うことが望ましいが，対象数が膨大であるため困難となることが多い．そこで，本研究では数理的手法のひとつであるサポートベクターマシンを活用し，各斜面の諸元データと災害履歴を学習することで災害危険度を評価することを試みた．道路沿線斜面のデータを例とした分析では，従来法以上の高い精度で危険度が評価できることが判明した．また，既に対策済みの斜面については，無対策斜面データのみの学習結果に基づく評価と対策済み斜面のみでのそれとを比較することで，対策工効果の指標値を得ることを発案した．これらの成果は，防災事業を進めていく上で大変有効なものと考えられる．

    DOI： 10.2208/jscejf.63.107

    researchmap

  • Multi-Objective Optimization Based on Meta-Modeling by Using Support Vector Machine

    Yeboon Yun, Min Yoon, Hirotaka Nakayama

    Proceedings of The 7th International Conference on Optimization:Techniques and Applications   2007年

    　詳細を見る

  • Sequential Approximation Method in Multi-Objective Optimization using Aspiration Level Approach

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    Lecture Notes in Computer science   LNCS 4403   317 - 329   2007年

    　詳細を見る

  • Combining Aspiration Level Methods in Multi-objective Programming and Sequential Approximate Optimization using Computational Intelligence

    Hirotaka nakayama, Yeboon Yun, Min Yoon

    Proceedings of First IEEE Symposium on Computational Intelligence in Multi-Criteria Decision-Making   2007年

    　詳細を見る

  • Combining Aspiration Level Methods in Multi-objective Programming and Sequential Approximate Optimization using Computational Intelligence

    Hirotaka nakayama, Yeboon Yun, Min Yoon

    Proceedings of First IEEE Symposium on Computational Intelligence in Multi-Criteria Decision-Making   2007年

    　詳細を見る

  • 客観的斜面崩壊危険度評価を用いた事業優先順位設定手法の応用事例

    佐藤丈晴, 尹禮分, 古川浩平

    第46回日本地すべり学会研究発表会講演集   345 - 348   2007年

    　詳細を見る

  • Multi-Objective Optimization Based on Meta-Modeling by Using Support Vector Machine

    Yeboon Yun, Min Yoon, Hirotaka Nakayama

    Proceedings of The 7th International Conference on Optimization:Techniques and Applications   2007年

    　詳細を見る

  • Sequential Approximation Method in Multi-Objective Optimization using Aspiration Level Approach

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    Lecture Notes in Computer science   LNCS 4403   317 - 329   2007年

    　詳細を見る

  • 客観的斜面崩壊危険度評価を用いた事業優先順位設定手法の応用事例

    佐藤丈晴, 尹禮分, 古川浩平

    第46回日本地すべり学会研究発表会講演集   345 - 348   2007年

    　詳細を見る

  • Multi-objective optimization based on aspiration levels and approximation of Pareto frontier

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    CJK-OSM 4: The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems   491 - 496   2006年

    　詳細を見る

    記述言語：英語   出版者・発行元：DALIAN UNIV TECHNOL PRESS  

    An ultimate aim in multi-objective optimization is to support for choosing a final solution from Pareto frontier. For generating a part of Pareto frontier closest to an aspiration level of decision maker, this paper proposes a new method which approximates the form of each objective function by using support vector regression on the basis of some sample data, and generates Pareto frontier to the approximated objective functions based on a given aspiration level. In addition, we suggest to select additional data for revising the forms of objective functions by relearning step by step. Finally, the effectiveness of the proposed method will be shown through some numerical examples.

    Web of Science

    researchmap

  • 土砂災害防止施設の施工に関する客観的な優先順位設定手法の開発

    佐藤丈晴, 尹禮分, 古川浩平

    第45回日本地すべり学会研究発表会講演集   311 - 314   2006年

    　詳細を見る

  • Regression by Support Vector Machines and its Applications to Engineering Design

    Hirotaka nakayama, Yeboon Yun

    Proceedings of The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System   391 - 396   2006年

    　詳細を見る

  • Support Vector regression Based on Goal Programming and Multi-Objective Programming

    Yeboon Yun, Hirotaka Nakayama

    World Congress on Computational Intelligence;IJCNN   2006年

    　詳細を見る

  • Regression by support vector machines and its applications to engineering design

    Hirotaka Nakayama, Yeboon Yun

    CJK-OSM 4: THE FOURTH CHINA-JAPAN-KOREA JOINT SYMPOSIUM ON OPTIMIZATION OF STRUCTURAL AND MECHANICAL SYSTEMS   391 - 396   2006年

    　詳細を見る

    記述言語：英語   出版者・発行元：DALIAN UNIV TECHNOL PRESS  

    Support vector machine (SVM) has been recognized as a powerful machine learning technique SVM was originally developed for pattern classification and later extended to regression (Vapnik et al 1995) In pattern classification problems with two class sets. it generalizes linear classifiers into high dimensional feature spaces through nonlinear mappings defined implicitly by kernels in the Hilbert space so that it may produce nonlinear classifiers in the original data space. Linear classifiers then are optimized to give the maximal margin separation between the classes. This task is performed by solving some type of mathematical programming such as quadratic programming (QP) or linear programming (LP). On the other hand. from a viewpoint of mathematical programming for machine learning, the idea of maximal margin separation was employed in the multi-surface method (MSM) suggested by Mangasarian in 1960's. Also. linear classifiers using goal programming were developed extensively in 1980's The authors have developed several varieties of SVM using multi-objective programming and goal programming (MOP/GP) techniques. This paper extends the family of SVM for classification to regression. and discusses their characteristics and abilities through numerical experiments in engineering design problems.

    Web of Science

    researchmap

  • Generating support vector machines using multi-objective optimization and goal programming

    Hirotaka Nakayama, Yeboon Yun

    Studies in Computational Intelligence   16   173 - 198   2006年

    　詳細を見る

    記述言語：英語  

    Support Vector Machine (SVM) is gaining much popularity as one of effective methods for machine learning in recent years. In pattern classification problems with two class sets, it generalizes linear classifiers into high dimensional feature spaces through nonlinear mappings defined implicitly by kernels in the Hilbert space so that it may produce nonlinear classifiers in the original data space. Linear classifiers then are optimized to give the maximal margin separation between the classes. This task is performed by solving some type of mathematical programming such as quadratic programming (QP) or linear programming (LP). On the other hand, from a viewpoint of mathematical programming for machine learning, the idea of maximal margin separation was employed in the multi-surface method (MSM) suggested by Mangasarian in 1960's. Also, linear classifiers using goal programming were developed extensively in 1980's. This chapter introduces a new family of SVM using multi-objective programming and goal programming (MOP/GP) techniques, and discusses its effectiveness throughout several numerical experiments. © 2006 Springer-Verlag Berlin Heidelberg.

    DOI： 10.1007/11399346_8

    Scopus

    researchmap

  • 包絡分析を応用した事業優先度設定事例

    佐藤丈晴, 尹禮分, 古川浩平

    第45回日本地すべり学会研究発表会講演集   413 - 414   2006年

    　詳細を見る

  • Support Vector regression Based on Goal Programming and Multi-Objective Programming

    Yeboon Yun, Hirotaka Nakayama

    World Congress on Computational Intelligence;IJCNN   2006年

    　詳細を見る

  • 計算知能を用いたハイブリッド型多目的最適化法

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    第７回最適化シンポジウム講演論文集 2006   111 - 116   2006年

    　詳細を見る

  • 計算知能を用いたハイブリッド型多目的最適化法

    尹禮分, 中山弘隆, 尹敏

    第７回最適化シンポジウム講演論文集 2006   111 - 116   2006年

    　詳細を見る

  • Multi-objective optimization based on aspiration levels and approximation of Pareto frontier

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    CJK-OSM 4: The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems   491 - 496   2006年

    　詳細を見る

    記述言語：英語   出版者・発行元：DALIAN UNIV TECHNOL PRESS  

    An ultimate aim in multi-objective optimization is to support for choosing a final solution from Pareto frontier. For generating a part of Pareto frontier closest to an aspiration level of decision maker, this paper proposes a new method which approximates the form of each objective function by using support vector regression on the basis of some sample data, and generates Pareto frontier to the approximated objective functions based on a given aspiration level. In addition, we suggest to select additional data for revising the forms of objective functions by relearning step by step. Finally, the effectiveness of the proposed method will be shown through some numerical examples.

    Web of Science

    researchmap

  • Computational Intelligence Method in Multi-Objective Optimization

    Yeboon Yun, Min Yoon, Hirotaka nakayama

    Proceedings of SICE-ICASE (Society of Instrument and Control Engineers - Institute of Control, Automation and Systems Engineers) International Joint Conference   CD-ROM   2006年

    　詳細を見る

  • Computational Intelligence Method in Multi-Objective Optimization

    Yeboon Yun, Min Yoon, Hirotaka nakayama

    Proceedings of SICE-ICASE (Society of Instrument and Control Engineers - Institute of Control, Automation and Systems Engineers) International Joint Conference   CD-ROM   2006年

    　詳細を見る

  • Generating support vector machines using multi-objective optimization and goal programming

    Hirotaka Nakayama, Yeboon Yun

    Studies in Computational Intelligence   16   173 - 198   2006年

    　詳細を見る

    記述言語：英語  

    Support Vector Machine (SVM) is gaining much popularity as one of effective methods for machine learning in recent years. In pattern classification problems with two class sets, it generalizes linear classifiers into high dimensional feature spaces through nonlinear mappings defined implicitly by kernels in the Hilbert space so that it may produce nonlinear classifiers in the original data space. Linear classifiers then are optimized to give the maximal margin separation between the classes. This task is performed by solving some type of mathematical programming such as quadratic programming (QP) or linear programming (LP). On the other hand, from a viewpoint of mathematical programming for machine learning, the idea of maximal margin separation was employed in the multi-surface method (MSM) suggested by Mangasarian in 1960's. Also, linear classifiers using goal programming were developed extensively in 1980's. This chapter introduces a new family of SVM using multi-objective programming and goal programming (MOP/GP) techniques, and discusses its effectiveness throughout several numerical experiments. © 2006 Springer-Verlag Berlin Heidelberg.

    DOI： 10.1007/11399346_8

    Scopus

    researchmap

  • MOP/GP models for machine learning

    Hirotaka Nakayama, Ye Boon Yun, Takeshi Asada, Min Yoon

    European Journal of Operational Research   166 ( 3 )   756 - 768   2005年11月

    　詳細を見る

    記述言語：英語  

    Techniques for machine learning have been extensively studied in recent years as effective tools in data mining. Although there have been several approaches to machine learning, we focus on the mathematical programming (in particular, multi-objective and goal programming
    MOP/GP) approaches in this paper. Among them, Support Vector Machine (SVM) is gaining much popularity recently. In pattern classification problems with two class sets, its idea is to find a maximal margin separating hyperplane which gives the greatest separation between the classes in a high dimensional feature space. This task is performed by solving a quadratic programming problem in a traditional formulation, and can be reduced to solving a linear programming in another formulation. However, the idea of maximal margin separation is not quite new: in the 1960s the multi-surface method (MSM) was suggested by Mangasarian. In the 1980s, linear classifiers using goal programming were developed extensively. This paper presents an overview on how effectively MOP/GP techniques can be applied to machine learning such as SVM, and discusses their problems. © 2004 Elsevier B.V. All rights reserved.

    DOI： 10.1016/j.ejor.2004.03.043

    Scopus

    researchmap

  • MOP/GP models for machine learning

    H Nakayama, YB Yun, T Asada, M Yoon

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   166 ( 3 )   756 - 768   2005年11月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    Techniques for machine learning have been extensively studied in recent years as effective tools in data mining. Although there have been several approaches to machine learning, we focus on the mathematical programming (in particular, multi-objective and goal programming; MOP/GP) approaches in this paper. Among them, Support Vector Machine (SVM) is gaining much popularity recently. In pattern classification problems with two class sets, its idea is to find a maximal margin separating hyperplane which gives the greatest separation between the classes in a high dimensional feature space. This task is performed by solving a quadratic programming problem in a traditional formulation, and can be reduced to solving a linear programming in another formulation. However, the idea of maximal margin separation is not quite new: in the 1960s the multi-surface method (MSM) was suggested by Mangasarian. In the 1980s, linear classifiers using goal programming were developed extensively.
    This paper presents an overview on how effectively MOP/GP techniques can be applied to machine learning such as SVM, and discusses their problems. (c) 2004 Elsevier B.V. All rights reserved.

    DOI： 10.1016/j.ejor.2004.03.043

    Web of Science

    researchmap

  • Genetic algorithm using GDEA in multi-objective optimization problems

    Yeboon Yun, Hirotaka nakayama, Min Yoon

    Proceeding of The Sixth Metaheuristics International Conference   CD-ROM   2005年

    　詳細を見る

  • Genetic algorithm using GDEA in multi-objective optimization problems

    Yeboon Yun, Hirotaka nakayama, Min Yoon

    Proceeding of The Sixth Metaheuristics International Conference   CD-ROM   2005年

    　詳細を見る

  • Genetic algorithm for multi-objective optimization using GDEA

    Y Yun, M Yoon, H Nakayama

    ADVANCES IN NATURAL COMPUTATION, PT 3, PROCEEDINGS   3612   409 - 416   2005年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    Recently, many genetic algorithms (CAs) have been developed as an approximate method to generate Pareto frontier (the set of Pareto optimal solutions) to multi-objective optimization problem. In multi-objective GAs, there are two important problems : how to assign a fitness for each individual, and how to make the diversified individuals. In order to overcome those problems, this paper suggests a new multi-objective CA using generalized data envelopment analysis (GDEA). Through numerical examples, the paper shows that the proposed method using CDEA can generate well-distributed as well as well-approximated Pareto frontiers with less number of function evaluations.

    Web of Science

    researchmap

  • Genetic algorithm for multi-objective optimization using GDEA

    Yeboon Yun, Min Yoon, Hirotaka nakayama

    Lecture Notes in Computer Science:Advances in Natural Computation   Part III, 3612   409 - 416   2005年

    　詳細を見る

  • Multiple criteria decision making with generalized DEA and an aspiration level method

    YB Yun, H Nakayama, M Arakawa

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   158 ( 3 )   697 - 706   2004年11月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    In this paper, we suggest an aspiration level approach using generalized data envelopment analysis (GDEA) and genetic algorithms (GA) in multiple criteria decision making such as engineering design problems. It will be shown that several Pareto optimal solutions close to an aspiration level of decision maker can be listed up as candidates of a final decision making solution by the proposed method. Through the robust design problem, it will be proved also that the aspiration level method using GDEA is useful for supporting a decision making of complex system. (C) 2003 Elsevier B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(03)00375-8

    Web of Science

    researchmap

  • Multiple criteria decision making with generalized DEA and an aspiration level method

    YB Yun, H Nakayama, M Arakawa

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   158 ( 3 )   697 - 706   2004年11月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    In this paper, we suggest an aspiration level approach using generalized data envelopment analysis (GDEA) and genetic algorithms (GA) in multiple criteria decision making such as engineering design problems. It will be shown that several Pareto optimal solutions close to an aspiration level of decision maker can be listed up as candidates of a final decision making solution by the proposed method. Through the robust design problem, it will be proved also that the aspiration level method using GDEA is useful for supporting a decision making of complex system. (C) 2003 Elsevier B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(03)00375-8

    Web of Science

    researchmap

  • Pattern classification by goal programming and support vector machines 査読

    T.Asada, Y.B.Yun, H.Nakayama, T.Tanino

    Computational Management Sciences   Vol.1・No.3・211-230頁 ( 3 )   211 - 230   2004年10月

    　詳細を見る

  • Pattern classification by goal programming and support vector machines 査読

    T.Asada, Y.B.Yun, H.Nakayama, T.Tanino

    Computational Management Sciences   Vol.1・No.3・211-230頁 ( 3 )   211 - 230   2004年10月

    　詳細を見る

  • A generalized model for data envelopment analysis

    Y. B. Yun, H. Nakayama, T. Tanino

    European Journal of Operational Research   157 ( 1 )   87 - 105   2004年8月

    　詳細を見る

    記述言語：英語  

    Data envelopment analysis (DEA) is a method to estimate a relative efficiency of decision making units (DMUs) performing similar tasks in a production system that consumes multiple inputs to produce multiple outputs. So far, a number of DEA models have been developed: The CCR model, the BCC model and the FDH model are well known as basic DEA models. These models based on the domination structure in primal form are characterized by how to determine the production possibility set from a viewpoint of dual form
    the convex cone, the convex hull and the free disposable hull for the observed data, respectively. In this study, we suggest a model called generalized DEA (GDEA) model, which can treat the above stated basic DEA models in a unified way. In addition, by establishing the theoretical properties on relationships among the GDEA model and those DEA models, we prove that the GDEA model makes it possible to calculate the efficiency of DMU incorporating various preference structures of decision makers. Furthermore, we propose a dual approach to GDEA, GDEA D and also show that GDEAD can reveal domination relations among all DMUs. © 2003 Elsevier B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(03)00140-1

    Scopus

    researchmap

  • A generalized model for data envelopment analysis

    YB Yun, H Nakayama, T Tanino

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   157 ( 1 )   87 - 105   2004年8月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    Data envelopment analysis (DEA) is a method to estimate a relative efficiency of decision making units (DMUs) performing similar tasks in a production system that consumes multiple inputs to produce multiple outputs. So far, a number of DEA models have been developed: The CCR model, the BCC model and the FDH model are well known as basic DEA models. These models based on the domination structure in primal form are characterized by how to determine the production possibility set from a viewpoint of dual form; the convex cone, the convex hull and the free disposable hull for the observed data, respectively.
    In this study, we suggest a model called generalized DEA (GDEA) model, which can treat the above stated basic DEA models in a unified way. In addition, by establishing the theoretical properties on relationships among the GDEA model and those DEA models, we prove that the GDEA model makes it possible to calculate the efficiency of DMU incorporating various preference structures of decision makers. Furthermore, we propose a dual approach to GDEA, GDEAD and also show that GDEAD can reveal domination relations among all DMUs. (C) 2003 Elsevier B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(03)00140-1

    Web of Science

    researchmap

  • Total margin algorithms in support vector machines

    M Yoon, YB Yun, H Nakayama

    IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS   E87D ( 5 )   1223 - 1230   2004年5月

    　詳細を見る

    記述言語：英語   出版者・発行元：IEICE-INST ELECTRONICS INFORMATION COMMUNICATIONS ENG  

    Support vector algorithms try to maximize the shortest distance between sample points and discrimination hyperplane. This paper suggests the total margin algorithms which consider the distance between all data points and the separating hyperplane. The method extends and modifies the existing algorithms. Experimental studies show that the total margin algorithms provide good performance comparing with the existing support vector algorithms.

    Web of Science

    researchmap

  • Total margin algorithms in support vector machines

    M Yoon, YB Yun, H Nakayama

    IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS   E87D ( 5 )   1223 - 1230   2004年5月

    　詳細を見る

    記述言語：英語   出版者・発行元：IEICE-INST ELECTRONICS INFORMATION COMMUNICATIONS ENG  

    Support vector algorithms try to maximize the shortest distance between sample points and discrimination hyperplane. This paper suggests the total margin algorithms which consider the distance between all data points and the separating hyperplane. The method extends and modifies the existing algorithms. Experimental studies show that the total margin algorithms provide good performance comparing with the existing support vector algorithms.

    Web of Science

    researchmap

  • Fitness evaluation using generalized data envelopment analysis in MOGA

    Y Yun, H Nakayama, M Arakawa

    CEC2004: PROCEEDINGS OF THE 2004 CONGRESS ON EVOLUTIONARY COMPUTATION, VOLS 1 AND 2   Vol.1   464 - 471   2004年

    　詳細を見る

    記述言語：英語   出版者・発行元：IEEE  

    Most of practical problems are formulated as multiobjective optimization problems (MOP) so as to meet the diversified demands of a decision maker. Usually, there is a tradeoff relation among objective functions, and thus there does not necessarily exist the solution that optimizes all objective functions simultaneously in MOP. Therefore, Pareto optimal solution is used as a definition of solution to MOP. Recently, evolutionary algorithms, for example, genetic algorithms, have been developed remarkably in order to obtain approximate solutions to optimization problems. Particularly, multi-objective genetic algorithms (MOGA) have been developed for generating Pareto optimal solutions. However, there are two problems in MOGA: how to assign the fitness to individuals, and how to keep the diversification of individuals. Many of existing MOGAs have made an effort in order to overcome these problems, and so does this paper. First, this paper suggests a fitness function in MOGA using generalized data envelopment analysis (GDEA) which was suggested for evaluating the relative efficiency of individuals under several items of assessment in management science. It is shown that the GDEA method can approximate Pareto optimal solutions more effectively and faster than the ranking method which is mostly used in MOGA, and generate well-distributed Pareto optimal solutions. Furthermore, this paper suggests the aspiration-level based GDEA method to generate the most interesting part (not the whole of Pareto optimal solutions) to an aspiration level of decision maker for choosing a final solution from many Pareto optimal solutions. Finally, this paper illustrates the effectiveness of the methods using GDEA through several numerical examples.

    Web of Science

    researchmap

  • A family of support vector machines using MOP/GP

    Hirotaka Nakayama, Yeboon Yun, Takeshi Asada, Min Yoon

    Proceedings of The 17th International Conference on Multiple Criteria Decision Making   2004年

    　詳細を見る

  • Multi-objective optimization technique using computational intelligence

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Shiraki Wataru, Hiroshi Ishikawa

    Proceedings of International conference on Intelligent Mechatronics and Automation   2004年

    　詳細を見る

  • Fitness evaluation using generalized data envelopment analysis in MOGA

    Y Yun, H Nakayama, M Arakawa

    CEC2004: PROCEEDINGS OF THE 2004 CONGRESS ON EVOLUTIONARY COMPUTATION, VOLS 1 AND 2   Vol.1   464 - 471   2004年

    　詳細を見る

    記述言語：英語   出版者・発行元：IEEE  

    Most of practical problems are formulated as multiobjective optimization problems (MOP) so as to meet the diversified demands of a decision maker. Usually, there is a tradeoff relation among objective functions, and thus there does not necessarily exist the solution that optimizes all objective functions simultaneously in MOP. Therefore, Pareto optimal solution is used as a definition of solution to MOP. Recently, evolutionary algorithms, for example, genetic algorithms, have been developed remarkably in order to obtain approximate solutions to optimization problems. Particularly, multi-objective genetic algorithms (MOGA) have been developed for generating Pareto optimal solutions. However, there are two problems in MOGA: how to assign the fitness to individuals, and how to keep the diversification of individuals. Many of existing MOGAs have made an effort in order to overcome these problems, and so does this paper. First, this paper suggests a fitness function in MOGA using generalized data envelopment analysis (GDEA) which was suggested for evaluating the relative efficiency of individuals under several items of assessment in management science. It is shown that the GDEA method can approximate Pareto optimal solutions more effectively and faster than the ranking method which is mostly used in MOGA, and generate well-distributed Pareto optimal solutions. Furthermore, this paper suggests the aspiration-level based GDEA method to generate the most interesting part (not the whole of Pareto optimal solutions) to an aspiration level of decision maker for choosing a final solution from many Pareto optimal solutions. Finally, this paper illustrates the effectiveness of the methods using GDEA through several numerical examples.

    Web of Science

    researchmap

  • Multi-objective optimization by using machine learning algorithm and evolutionary algorithm

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Shiraki Wataru, Hiroshi Ishikawa

    Proceedings of The third China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System   2004年

    　詳細を見る

  • Prediction of business failure by total margin support vector machines

    Yeboon Yun, Min Yoon, Hirotaka Nakayama, Wataru Shiraki

    Knowledge-Based Intelligent Information & Engineering Systems (edited by V. Palade, R.J. Howlett & L. Jain), Springer-Verlag   Vol.1   2004年

    　詳細を見る

  • Generation of Pareto frontiers using support vector machine

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    Proceedings of The 17th International Conference on Multiple Criteria Decision Making   2004年

    　詳細を見る

  • Multi-objective optimization by using machine learning algorithm and evolutionary algorithm

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Shiraki Wataru, Hiroshi Ishikawa

    Proceedings of The third China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System   2004年

    　詳細を見る

  • Prediction of business failure by total margin support vector machines

    Y Yun, M Yoon, H Nakayama, W Shiraki

    KNOWLEDGE-BASED INTELLIGENT INFORMATION AND ENGINEERING SYSTEMS, PT 1, PROCEEDINGS   3213   441 - 448   2004年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    The analysis and management of business failure has been recognized to be important in the area of financial management in the evaluation of firms' performance and the assessment of their viability. To this end, effective failure-prediction models are needed. This paper describes a new approach to prediction of business failure using the total margin algorithm which is a kind of support vector machine. It will be shown that the proposed method can evaluate the risk of failure better than existing methods through some real data.

    Web of Science

    researchmap

  • Using support vector machines in multi-objective optimization,

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    Proceedings of International Joint Conference on Neural Networks   2004年

    　詳細を見る

  • Support vector machines using MOP/GP techniques

    Hirotaka Nakayama, Yeboon Yun, T. Asada, Min yoon

    European Congress on Computational Methods in Applied Sciences and Engineering (edited by P. Neittaanmaki, T. Rossi, S. Korotov, E. Onate, J. Periaux & D. Knorzer)   2004年

    　詳細を見る

  • Generation of Pareto frontiers using support vector machine

    Yeboon Yun, Hirotaka Nakayama, Min Yoon

    Proceedings of The 17th International Conference on Multiple Criteria Decision Making   2004年

    　詳細を見る

  • Using support vector machines in multi-objective optimization

    YB Yun, H Nakayama, M Arakawa

    2004 IEEE INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS, VOLS 1-4, PROCEEDINGS   223 - 228   2004年

    　詳細を見る

    記述言語：英語   出版者・発行元：IEEE  

    In many practical engineering design problems, the form of objective functions is not given explicitly in terms of design variables. Given the value of design variables, under this circumstance, the values of objective functions are obtained by real/computational experiments such as structural analysis, fluid-mechanical analysis, thermodynamic analysis, and so on. Since these experiments are considerably expensive and also time consuming, thus it is actually almost impossible to find the exact solution to those problems by using conventional optimization methods. Recently, approximation methods using computational intelligence, for example, evolutionary algorithms and neural networks have been developed remarkably. Even those algorithms need a tremendous number of experiments to obtain an approximate solution. Furthermore, most engineering design problems should be formulated as multi-objective optimization problems so as to meet the diversified demands of designer. This paper suggests applying the support vector machines (SVM) in order to make the number of experiments for finding the solution of problem with multi-objective functions as few as possible. It is shown that the proposed method can approximate Pareto frontiers in multi-objective optimization problems effectively by employing support vectors in SVM. Finally, the effectiveness of our method will be illustrated through numerical examples.

    Web of Science

    researchmap

  • Support vector machines using MOP/GP techniques

    Hirotaka Nakayama, Yeboon Yun, T. Asada, Min yoon

    European Congress on Computational Methods in Applied Sciences and Engineering (edited by P. Neittaanmaki, T. Rossi, S. Korotov, E. Onate, J. Periaux & D. Knorzer)   2004年

    　詳細を見る

  • A family of support vector machines using MOP/GP

    Hirotaka Nakayama, Yeboon Yun, Takeshi Asada, Min Yoon

    Proceedings of The 17th International Conference on Multiple Criteria Decision Making   2004年

    　詳細を見る

  • Multi-objective optimization technique using computational intelligence

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Shiraki Wataru, Hiroshi Ishikawa

    Proceedings of International conference on Intelligent Mechatronics and Automation   2004年

    　詳細を見る

  • Support vector machines controlling noise influence directly 査読

    M.Yoon, H.Nakayama, Y.B.Yun

    計測自動制御学会論文集   Vol.39・No.1・82-84頁 ( 1 )   82 - 84   2003年1月

    　詳細を見る

    記述言語：英語   出版者・発行元：計測自動制御学会  

    DOI： 10.9746/sicetr1965.39.82

    CiNii Books

    researchmap

  • Support vector machines controlling noise influence directly 査読

    M.Yoon, H.Nakayama, Y.B.Yun

    計測自動制御学会論文集   Vol.39・No.1・82-84頁 ( 1 )   82 - 84   2003年1月

    　詳細を見る

    記述言語：英語   出版者・発行元：計測自動制御学会  

    DOI： 10.9746/sicetr1965.39.82

    CiNii Books

    researchmap

  • Support vector classification considering total margin

    Yeboon Yun, Min Yoon, Takeshi Asada, Hirotaka Nakayama

    Proceedings of IASTED International Conference on Artificial Intelligence and Soft Computing   2003年

    　詳細を見る

  • Metaheuristics, Generalized DEA and aspiration-based method for multi-objective optimization

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Hiroshi Ishikawa

    Proceedings of The fifth Metaheuristics International Conference   2003年

    　詳細を見る

  • A Role of total margin in support vector machines

    Min Yoon, Yeboon Yun, Hirotaka Nakayama

    Proc. of International Joint Conference on Neural Networks, IEEE and International Neural Network Society   2003年

    　詳細を見る

  • A soft margin algorithm controlling tolerance directly

    M Yoon, H Nakayama, Y Yun

    MULTI-OBJECTIVE PROGRAMMING AND GOAL PROGRAMMING   281 - 287   2003年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    Generalization error bounds in Support Vector Machines are based on the minimum distance between training points and the separating hyperplane. The error of soft margin algorithm can be bounded by a target margin and some norms of the slack vector. In this paper, we propose a new method controlling allowable error and formulate considering the contamination by noise in data directly. The method can provide desirable separating hyperplanes easily by controlling a restricted slack parameter. Additionally, through an artificial numerical example, we compare the proposed method with a conventional soft margin algorithm.

    Web of Science

    researchmap

  • Goal programming approaches to support vector machines

    H Nakayama, Y Yun, T Asada, M Yoon

    KNOWLEDGE-BASED INTELLIGENT INFORMATION AND ENGINEERING SYSTEMS, PT 1, PROCEEDINGS   2773   356 - 363   2003年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    Support vector machines (SVMs) are gaining much popularity as effective methods in machine learning. In pattern classification problems with two class sets, their basic idea is to find a maximal margin separating hyperplane which gives the greatest separation between the classes in a high dimensional feature space. However, the idea of maximal margin separation is not quite new: in 1960's the multi-surface method (MSM) was suggested by Mangasarian. In 1980's, linear classifiers using goal programming were developed extensively. This paper considers SVMs from a viewpoint of goal programming, and proposes a new method based on the total margin instead of the shortest distance between learning data and separating hyperplane.

    Web of Science

    researchmap

  • A soft margin algorithm controlling tolerance directly

    M Yoon, H Nakayama, Y Yun

    MULTI-OBJECTIVE PROGRAMMING AND GOAL PROGRAMMING   281 - 287   2003年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    Generalization error bounds in Support Vector Machines are based on the minimum distance between training points and the separating hyperplane. The error of soft margin algorithm can be bounded by a target margin and some norms of the slack vector. In this paper, we propose a new method controlling allowable error and formulate considering the contamination by noise in data directly. The method can provide desirable separating hyperplanes easily by controlling a restricted slack parameter. Additionally, through an artificial numerical example, we compare the proposed method with a conventional soft margin algorithm.

    Web of Science

    researchmap

  • A Role of total margin in support vector machines

    Min Yoon, Yeboon Yun, Hirotaka Nakayama

    Proc. of International Joint Conference on Neural Networks, IEEE and International Neural Network Society   2003年

    　詳細を見る

  • Goal programming approaches to support vector machines

    H Nakayama, Y Yun, T Asada, M Yoon

    KNOWLEDGE-BASED INTELLIGENT INFORMATION AND ENGINEERING SYSTEMS, PT 1, PROCEEDINGS   2773   356 - 363   2003年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    Support vector machines (SVMs) are gaining much popularity as effective methods in machine learning. In pattern classification problems with two class sets, their basic idea is to find a maximal margin separating hyperplane which gives the greatest separation between the classes in a high dimensional feature space. However, the idea of maximal margin separation is not quite new: in 1960's the multi-surface method (MSM) was suggested by Mangasarian. In 1980's, linear classifiers using goal programming were developed extensively. This paper considers SVMs from a viewpoint of goal programming, and proposes a new method based on the total margin instead of the shortest distance between learning data and separating hyperplane.

    Web of Science

    researchmap

  • Metaheuristics, Generalized DEA and aspiration-based method for multi-objective optimization

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Hiroshi Ishikawa

    Proceedings of The fifth Metaheuristics International Conference   2003年

    　詳細を見る

  • Support vector classification considering total margin

    Yeboon Yun, Min Yoon, Takeshi Asada, Hirotaka Nakayama

    Proceedings of IASTED International Conference on Artificial Intelligence and Soft Computing   2003年

    　詳細を見る

  • Multiple criteria decision making by generalized DEA introducing aspiration level method

    Yeboon Yun, Hirotaka Nakamaya, Masao Arakawa, Hiroshi Ishikawa

    Proceedings of The second China-Japan-Korea Joint Symposium on Optimization on Structural and Mechanical System   2002年

    　詳細を見る

  • Data Envelopment Analysis in Multicriteria Decision Making

    Hirotaka Nakamaya, Masao Arakawa, Yeboon Yun

    Multiple Criteria Optimization, State of Art, Annotated Bibliographic Survey   333 - 368   2002年

    　詳細を見る

  • Multiple criteria decision making by generalized DEA introducing aspiration level method

    Yeboon Yun, Hirotaka Nakamaya, Masao Arakawa, Hiroshi Ishikawa

    Proceedings of The second China-Japan-Korea Joint Symposium on Optimization on Structural and Mechanical System   2002年

    　詳細を見る

  • Data Envelopment Analysis in Multicriteria Decision Making

    Hirotaka Nakamaya, Masao Arakawa, Yeboon Yun

    Multiple Criteria Optimization, State of Art, Annotated Bibliographic Survey   333 - 368   2002年

    　詳細を見る

    出版者・発行元：Kluwer Acadmic Publishiers  

    researchmap

  • Generation of efficient frontiers in multi-objective optimization problems by generalized data envelopment analysis

    Y. B. Yun, H. Nakayama, T. Tanino, M. Arakawa

    European Journal of Operational Research   129 ( 3 )   586 - 595   2001年3月

    　詳細を見る

    記述言語：英語   出版者・発行元：Elsevier Science B.V.  

    In many practical problems such as engineering design problems, criteria functions cannot be given explicitly in terms of design variables. Under this circumstance, values of criteria functions for given values of design variables are usually obtained by some analyses such as structural analysis, thermodynamical analysis or fluid mechanical analysis. These analyses require considerably much computation time. Therefore, it is not unrealistic to apply existing interactive optimization methods to those problems. On the other hand, there have been many trials using genetic algorithms (GA) for generating efficient frontiers in multi-objective optimization problems. This approach is effective in problems with two or three objective functions. However, these methods cannot usually provide a good approximation to the exact efficient frontiers within a small number of generations in spite of our time limitation. The present paper proposes a method combining generalized data envelopment analysis (GDEA) and GA for generating efficient frontiers in multi-objective optimization problems. GDEA removes dominated design alternatives faster than methods based on only GA. The proposed method can yield desirable efficient frontiers even in non-convex problems as well as convex problems. The effectiveness of the proposed method will be shown through several numerical examples.

    DOI： 10.1016/S0377-2217(99)00469-5

    Scopus

    researchmap

  • Generation of efficient frontiers in multi-objective optimization problems by generalized data envelopment analysis

    YB Yun, H Nakayama, T Tanino, M Arakawa

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   129 ( 3 )   586 - 595   2001年3月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    In many practical problems such as engineering design problems, criteria functions cannot be given explicitly in terms of design variables. Under this circumstance, values of criteria functions for given values of design variables are usually obtained by some analyses such as structural analysis, thermodynamical analysis or fluid mechanical analysis. These analyses require considerably much computation time. Therefore, it is not unrealistic to apply existing interactive optimization methods to those problems. On the other hand, there have been many trials using genetic algorithms (GA) for generating efficient frontiers in multi-objective optimization problems. This approach is effective in problems with two or three objective functions. However, these methods cannot usually provide a good approximation to the exact efficient frontiers within a small number of generations in spite of our time limitation. The present paper proposes a method combining generalized data envelopment analysis (GDEA) and GA for generating efficient frontiers in multiobjective optimization problems. GDEA removes dominated design alternatives faster than methods based on only GA. The proposed method can yield desirable efficient frontiers even in non-convex problems as well as convex problems. The effectiveness of the proposed method will be shown through several numerical examples. (C) 2001 Elsevier Science B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(99)00469-5

    Web of Science

    researchmap

  • Reading required characters in market of products by using data envelopment analysis

    Masao Arakawa, Hirotaka Nakayama, Yeboon Yun, Hiroshi Ishikawa

    Proceedings of Design Technical Conference ASME   2001年

    　詳細を見る

  • Dual approach to generalized data envelopment analysis based on production possibility

    Yeboon Yun, Hirotaka Nakayama, Tetuzo Tanino

    Advances in Soft Computing:Multi-Objective Programming and Goal Programming:Recent Developments (edited by T. Traskalik & J. Michnik)   2001年

    　詳細を見る

  • Dual approach to generalized data envelopment analysis based on production possibility

    Yeboon Yun, Hirotaka Nakayama, Tetuzo Tanino

    Advances in Soft Computing:Multi-Objective Programming and Goal Programming:Recent Developments (edited by T. Traskalik & J. Michnik)   2001年

    　詳細を見る

  • Reading required characters in market of products by using data envelopment analysis

    Masao Arakawa, Hirotaka Nakayama, Yeboon Yun, Hiroshi Ishikawa

    Proceedings of Design Technical Conference ASME   2001年

    　詳細を見る

  • Optimum design using radial basis function networks by adaptive range genetic algorithms (determination of radius in radial basis function networks)

    Masao Arakawa, Hirotaka Nakayama, Yeboon Yun, Hiroshi Ishikawa

    Proceedings of IEEE International Conference on Industrial Electronics, Control and Instrumentation;21st Century Technology and Industrial Opportunities   2000年

    　詳細を見る

  • Optimum design using radial basis function networks by adaptive range genetic algorithms (determination of radius in radial basis function networks)

    Masao Arakawa, Hirotaka Nakayama, Yeboon Yun, Hiroshi Ishikawa

    Proceedings of IEEE International Conference on Industrial Electronics, Control and Instrumentation;21st Century Technology and Industrial Opportunities   2000年

    　詳細を見る

  • 一般化包絡分析法と遺伝アルゴリズムによる多目的最適化の一手法

    尹 禮分, 中山 弘隆, 谷野 哲三, 荒川 雅生

    システム制御情報学会論文誌   13 ( 4 )   179 - 185   2000年

    　詳細を見る

    記述言語：日本語   出版者・発行元：一般社団法人 システム制御情報学会  

    In this paper, a method using generalized data envelopment analysis and genetic algorithms is proposed for finding efficient frontiers in multi-objective optimization problems. The proposed method can yield desirable efficient frontiers even in nonconvex cases. It will be proved that the proposed method overcomes shortcomings of existing methods through several numerical examples.

    DOI： 10.5687/iscie.13.4_179

    CiNii Books

    researchmap

    その他リンク： https://jlc.jst.go.jp/DN/JALC/00384759648?from=CiNii

  • 一般化包絡分析法と遺伝的アルゴリズムによる多目的最適化の一手法

    尹禮分, 中山弘隆, 谷野哲三, 荒川 雅生

    システム制御情報学会論文誌   13 ( 4 )   179 - 185   2000年

    　詳細を見る

  • Generalized DEA for multiple criteria decision making

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Hiroshi Ishikawa

    Proceedings of Konan-IIASA Joint Workshop on Natural Environment Management and Applied Systems Analysis   2000年

    　詳細を見る

  • On efficiency of Data Envelopment Analysis

    YB Yun, H Nakayama, T Tanino

    RESEARCH AND PRACTICE IN MULTIPLE CRITERIA DECISION MAKING   487   208 - 217   2000年

    　詳細を見る

    記述言語：英語   出版者・発行元：SPRINGER-VERLAG BERLIN  

    In this paper, we suggest a new concept of "Value Free Efficiency" which does not introduce any value judgment for outputs and inputs. That is, similarly to the usual multiple criteria decision analysis, a Decision Making Unit (DMU) is defined to be efficient if there is no unit that consumes less inputs and produces more outputs than the DMU. In addition, we propose a generalized DEA model for estimating value free efficiency, ratio value efficiency proposed by Charnes, Cooper and Rhodes [4], and sum value efficiency proposed by Belton [2] and Belton and Vickers [3] as special cases. An illustrative example compares these concepts of efficiency.

    Web of Science

    researchmap

  • A Dual approach to generalized data envelopment analysis

    Yeboon Yun, Nakayama Hirotaka, Tetsuzo Tanino

    Proceedings of International Conference on 2000 INFORMS／KORMS-Information and Knowledge Management in the 21st century-   2000年

    　詳細を見る

  • On efficiency of data envelopment analysis

    Yeboon Yun, Nakayama Hirotaka, Tetsuzo Tanino

    Lecture Notes in Economics and Mathematical Systems:Research and Practice in Multiple Criteria Decision Making (edited by Y.Y. Haimes & R.E. Steuer)   2000年

    　詳細を見る

  • A Dual approach to generalized data envelopment analysis

    Yeboon Yun, Nakayama Hirotaka, Tetsuzo Tanino

    Proceedings of International Conference on 2000 INFORMS／KORMS-Information and Knowledge Management in the 21st century-   2000年

    　詳細を見る

  • Generalized DEA for multiple criteria decision making

    Yeboon Yun, Hirotaka Nakayama, Masao Arakawa, Hiroshi Ishikawa

    Proceedings of Konan-IIASA Joint Workshop on Natural Environment Management and Applied Systems Analysis   2000年

    　詳細を見る

  • 一般化包絡分析法への双対アプローチ

    尹 禮分, 中山 弘隆, 谷野 哲三

    計測自重制御学会論文集   36 ( 9 )   804 - 809   2000年

    　詳細を見る

  • 一般化包絡分析法への双対アプローチ

    尹 禮分, 中山 弘隆, 谷野 哲三

    計測自動制御学会論文集   36 ( 9 )   804 - 809   2000年

    　詳細を見る

    出版者・発行元：The Society of Instrument and Control Engineers  

    In DEA (Data Envelopment Analysis), CCR model, BCC model and FDH model are known as representative models incorporating preference structure of decision makers. These DEA models differ in production possibility set when considering dual problems. In this paper, we formulate dual problem (GDEA<sub><i>D</i></sub>) to generalized data envelopment analysis (GDEA) and define the concept of "α<sub><i>D</i></sub>-efficiency" for the problem (GDEA<sub><i>D</i></sub>). Furthermore, we establish theoretical properties on relationships between GDEA<sub><i>D</i></sub>, model and existing DEA models. Finally, through a numerical example, we show a dominant relation among decision making units with varying α in the problem (GDEA<sub><i>D</i></sub>) and interpret an implication of the optimal solution to the problem (GDEA<sub><i>D</i></sub>).

    DOI： 10.9746/sicetr1965.36.804

    researchmap

  • 包絡分析法(DEA)モデルの一般化

    尹 禮分, 中山 弘隆, 谷野 哲三

    計測自動制御学会論文集   35 ( 8 )   1813 - 1818   1999年

    　詳細を見る

    記述言語：日本語   出版者・発行元：The Society of Instrument and Control Engineers  

    So far, there have been developed several kinds of DEA models, say, CCR, BCC, FDH and so on, for evaluating the relative efficiency of decision making units. This paper suggests a new model called a generalized DEA (GDEA) model, which can treat these existing DEA models in a unified way. Theoretical properties on relationships among these DEA models are given first. Next, the efficiencies for these DEA models are compared and clarified by a numerical example with real data.

    DOI： 10.9746/sicetr1965.35.1113

    CiNii Books

    researchmap

    その他リンク： https://jlc.jst.go.jp/DN/JALC/00062568272?from=CiNii

  • 包絡分析法(DEA)モデルの一般化

    尹 禮分, 中山 弘隆, 谷野 哲三

    計測自動制御学会   35 ( 8 )   1813 - 1818   1999年

    　詳細を見る

  • Multiobjective symmetric duality with cone constraints

    DS Kim, YB Yun, WJ Lee

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   107 ( 3 )   686 - 691   1998年6月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    We formulate a pair of multiobjective symmetric dual programs for pseudo-invex functions and arbitrary cones. Our model is unifying the Wolfe vector symmetric dual and the Mond-Weir vector symmetric dual models. We establish the weak, strong, converse and self duality theorems for our pair of dual models. Nanda and Das' results (Optimization 28 (1994) 267; fur. J. Oper. Res. 88 (1996) 572) are obtained as special cases. (C) 1998 Elsevier Science B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(97)00322-6

    Web of Science

    researchmap

  • Multiobjective symmetric duality with cone constraints

    DS Kim, YB Yun, WJ Lee

    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH   107 ( 3 )   686 - 691   1998年6月

    　詳細を見る

    記述言語：英語   出版者・発行元：ELSEVIER SCIENCE BV  

    We formulate a pair of multiobjective symmetric dual programs for pseudo-invex functions and arbitrary cones. Our model is unifying the Wolfe vector symmetric dual and the Mond-Weir vector symmetric dual models. We establish the weak, strong, converse and self duality theorems for our pair of dual models. Nanda and Das' results (Optimization 28 (1994) 267; fur. J. Oper. Res. 88 (1996) 572) are obtained as special cases. (C) 1998 Elsevier Science B.V. All rights reserved.

    DOI： 10.1016/S0377-2217(97)00322-6

    Web of Science

    researchmap

  • Second-order symmetric and self duality in multiobjective programming

    DS Kim, YB Yun, H Kuk

    APPLIED MATHEMATICS LETTERS   10 ( 2 )   17 - 22   1997年3月

    　詳細を見る

    記述言語：英語   出版者・発行元：PERGAMON-ELSEVIER SCIENCE LTD  

    We suggest the second-order symmetric and self dual programs in multiobjective nonlinear programming. For these second-order symmetric dual programs, we prove the weak, strong, and converse duality theorems under convexity and concavity conditions. Also, we prove the self duality theorem for these second-order self dual programs and illustrate its example.

    DOI： 10.1016/S0893-9659(97)00004-9

    Web of Science

    researchmap

  • Second-order symmetric and self duality in multiobjective programming

    DS Kim, YB Yun, H Kuk

    APPLIED MATHEMATICS LETTERS   10 ( 2 )   17 - 22   1997年3月

    　詳細を見る

    記述言語：英語   出版者・発行元：PERGAMON-ELSEVIER SCIENCE LTD  

    We suggest the second-order symmetric and self dual programs in multiobjective nonlinear programming. For these second-order symmetric dual programs, we prove the weak, strong, and converse duality theorems under convexity and concavity conditions. Also, we prove the self duality theorem for these second-order self dual programs and illustrate its example.

    DOI： 10.1016/S0893-9659(97)00004-9

    Web of Science

    researchmap

▼全件表示

講演・口頭発表等

  • Proposal on Model for Predicting the Risk of Heatstroke by Machine Learning basedon Data Driven Approach

    尹 禮分, 馮 劍飛

    第28回関西大学先端科学技術シンポジウム  2024年1月 

    　詳細を見る

    開催地：関西大学 千里山キャンパス  

    researchmap

  • 中国のSNSからみる日本観光に対する需要変化とトレンド分析

    姜 子辰, 尹 禮分, 山本 雄平

    第28回関西大学先端科学技術シンポジウム  2024年1月 

    　詳細を見る

    開催地：関西大学 千里山キャンパス  

    researchmap

  • Extension of DEA Model based on Tchebyshev Distance for a Decision Making

    J.Su, Y.B.Yun, Y.Yamamoto

    第28回関西大学先端科学技術シンポジウム  2024年1月 

    　詳細を見る

    開催地：関西大学 千里山キャンパス  

    researchmap

  • On Applying a Graph Convolutional Neural Network to Genetic Algorithm in Constrained Optimization

    K.Fujita, Y.B.Yun, Y.Yamamoto

    第28回関西大学先端科学技術シンポジウム  2024年1月 

    　詳細を見る

    開催地：関西大学 千里山キャンパス  

    researchmap

  • 機械学習による複数の揚水井が密集した被圧観測井水位の将来予測

    森谷 将成, 尹 禮分, 楠見 晴重

    令和5年度土木学会全国大会  2023年9月 

    　詳細を見る

    開催地：広島大学 東広島キャンパス  

    researchmap

  • 機械学習および回帰分析併用による被圧帯水層の水源揚水井水位の将来予測

    大西望央, 尹 禮分, 楠見晴重

    令和5年度土木学会全国大会  2023年9月 

    　詳細を見る

    開催地：広島大学 東広島キャンパス  

    researchmap

  • 機械学習による地質帯を考慮した NATM トンネル切羽面の岩盤評価

    長江 謙吾, K.D. Halim, 尹 禮分, 楠見 晴重, 西尾 彰宣

    令和5年度土木学会全国大会  2023年9月 

    　詳細を見る

    開催地：広島大学 東広島キャンパス  

    researchmap

  • 深層学習による NATM トンネルにおける切羽面の岩盤評価

    中田 真成, 尹 禮分, 楠見 晴重

    令和5年度土木学会全国大会  2023年9月 

    　詳細を見る

    開催地：広島大学 東広島キャンパス  

    researchmap

  • インフラ構造物建設時の補強度合決定問題への機械学習の適用

    巽 啓司, 宮原 春久, 増井 遼太, 尹 禮分

    公益社団法人計測自動制御学会  2023年3月 

    　詳細を見る

    開催地：島根県松江テルサ  

    researchmap

  • リカレントニューラルネットワークを用いた大型構造物の補強度合の決定

    宮原 春久, 増井 遼太, 巽 啓司, 尹 禮分

    計測自動制御学会・情報部門学術講演会2022  2022年11月 

    　詳細を見る

    開催地：近畿大学東大阪キャンパス  

    researchmap

  • 満足度と制約条件の難易度に基づく多目的遺伝的アルゴリズムにおける個体評価法の提案

    藤田 耕平, 尹 禮分, 尹 敏

    計測自動制御学会システム・情報部門学術講演会2022  2022年11月 

    　詳細を見る

    開催地：近畿大学東大阪キャンパス  

    researchmap

  • 機械学習による密集した揚水井の揚水に伴う観測井水位の将来予測

    澤田 雅言, 尹 禮分, 楠見 晴重

    令和4年度土木学会全国大会第77回年次学術講演会  2022年9月 

    　詳細を見る

    開催地：京都大学  

    researchmap

  • 機械学習による NATM 工法トンネルにおける切羽面の岩盤評価 機械学習による NATM 工法トンネルにおける切羽面の岩盤評価

    K. D. Halim, 尹 禮分, 楠見 晴重

    令和4年度土木学会全国大会第77回年次学術講演会  2022年9月 

    　詳細を見る

    開催地：京都大学  

    researchmap

  • 深層学習による NATM トンネルにおける切羽面の岩盤不連続面に関する定量的評価法

    中田真成, 榎並大希, 尹 禮分, 楠見晴重

    2022年度土木学会関西支部年次学術講演会  2022年5月 

    　詳細を見る

    開催地：関西大学  

    researchmap

  • 機械学習による京都盆地における被圧帯水層の水源揚水井水位の将来予測

    大西望央, 平川将寛, 尹 禮分, 楠見晴重

    2022年度土木学会関西支部年次学術講演会  2022年5月 

    　詳細を見る

    開催地：関西大学  

    researchmap

  • 達成度に基づいた多目的遺伝的アルゴリズムの個体評価法に関する研究

    曲 錚, 路 暢, 尹 禮分, 尹 敏

    2021年11月 

    　詳細を見る

  • Application of Machine Learning to the Prediction WBGT

    C. Lu, Y.B. Yun, M. Yoon

    2021年9月 

    　詳細を見る

  • Prediction of Wet Bulb Globe Temperature using Machine Learning

    C. Lu, Y.B. Yun, M. Yoon

    2021年7月 

    　詳細を見る

  • 観測データ間の関係を考慮した決定木による構造物の補強度合の判定

    増井 遼太, 辻岡 竣祐, 巽 啓司, 楠木 祥文, 尹 禮分

    2021年3月 

    　詳細を見る

  • Analysis for Diabetes using Graphical lasso

    Y. Kim, Y.B. Yun, M. Yoon, H. Nakayama

    2019年8月 

    　詳細を見る

  • On Selecting Hyper-Parameters in RBF Networks

    S. Yoshida, Y.B. Yun, H. Nakayama, M. Yoon

    2019年8月 

    　詳細を見る

  • Multi-objective model predictive control and its applications

    Yeboon Yun,, Hirotaka Nakayama, Min Yoon

    2018年8月 

    　詳細を見る

  • Model Predictive Control with Multiple Objectives

    Y.E. Yun, H. Nakayama

    2018年8月 

    　詳細を見る

    開催地：Cheng Shiu University  

    researchmap

  • On Disposal planning of debris and waste for large-scale disasters

    Yeboon Yun, Takamasa Akiyama, Hiroaki Inokuchi, Min Yoon

    2017年7月 

    　詳細を見る

  • バギングとブースティングの併用によるSVMにおける効率的な学習法の提案

    尹禮分, 中山弘隆

    2014年12月 

    　詳細を見る

  • ラフ集合を用いた交通機関選択モデルの提案

    尹禮分, 秋山孝正, 井ノ口弘昭, 中山弘隆

    2014年11月 

    　詳細を見る

  • ラフ集合を用いたコミュニティバス需要推計モデル

    井ノ口弘昭, 秋山孝正, 尹禮分

    2014年9月 

    　詳細を見る

  • サポートベクトル回帰による複数応答曲面の連結

    西口純也, 綛田長生, 尹禮分, 中山弘隆, 荒川雅生, 北山哲士

    2014年5月 

    　詳細を見る

  • On Tuning Parameters in SVM/RBFN for Regression Problems

    Y.B.Yun, H.Nakayama, M.Yoon

    Proceedings of the 8th China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems  2014年5月 

    　詳細を見る

    開催地：Gyeongju, Korea  

    researchmap

  • Sequential Learning with Support Vector Machines

    Y.B.Yun, H.Nakayama, M.Yoon

    Proceedings of International Conference on Optimization: Techniques and Applications (ICOTA9)  2013年12月 

    　詳細を見る

    開催地：Taipei, Taiwan  

    researchmap

  • 社会基盤施設の評価におけるデータ包絡分析法の活用

    尹禮分, 中山弘隆, 尹敏

    第29回 ファジィ システム シンポジウム  2013年9月 

    　詳細を見る

  • On the use of data envelopment analysis in evaluation of sewerage systems

    Y.B.Yun, H.Nakayama, M.Yoon

    Proceedings of the 5th International Conference on Optimization and Control with Applications  2012年12月 

    　詳細を見る

    開催地：Beijing, China  

    researchmap

  • Evaluation of sewerage systems using data envelopment analysis

    Y.B.Yun, T.Iida, K.Furukawa, H.Nakayama

    Proceedings of The 6th International Conference on Soft Computing and Intelligent Systems/The 13th International Symposium on Advanced Intelligent Systems  2012年11月 

    　詳細を見る

    開催地：Kobe, Japan  

    researchmap

  • Parameter tuning of large scale support vector machines using ensemble learning with applications to imbalnced data sets

    H.Nakayama, Y.B.Yun, Y.Uno

    Proceedings of IEEE Systems，Man，Cybernetics Conference  2012年10月 

    　詳細を見る

    開催地：Seoul, Korea  

    researchmap

  • Evaluation of sewerage systems by using data envelopment analysis

    Y.B. Yun

    Proceedings of The 7th International Symposium in Science and Technology  2012年8月 

    　詳細を見る

    開催地：Penang, Malaysia  

    researchmap

  • 多目的最適化問題における満足化トレードオフ法を用いたロバスト設計

    田中聡, 中山弘隆, 尹禮分

    第54回自動制御連合講演会  2011年11月 

    　詳細を見る

  • Evolutionary multi- objective optimization using expected improvement and generalized DEA

    Y.B.Yun, H.Nakayama, M.Yoon

    2011 IEEE Systems，Man，Cybernetics Conference  2011年10月 

    　詳細を見る

  • Utilizing expected improvement and generalized data envelopment analysis in multi-objective genetic algorithms

    Y.B.Yun, H.Nakayama, M.Yoon

    The 21st International Conference on Multiple Criteria Decision Making  2011年6月 

    　詳細を見る

  • 能動学習型最適化を用いたビル空調制御

    西口純也, 近田智洋, 中山弘隆, 尹禮分, 荒川雅生

    第55回システム制御情報学会研究発表講演会  2011年5月 

    　詳細を見る

  • An Efficient learning method in support vector regression for large-scale data set with outliers

    R.Suzuki, H.Nakayama, Y.B.Yun

    International Conference on Optimization: Techniques and Applications (ICOTA08)  2010年12月 

    　詳細を見る

  • Prediction on the Collapse of Sewerage Systems by using Support Vector Machines

    Y.B.Yun, R.Emori, T.Iida, K.Furukawa

    International Conference on Optimization: Techniques and Applications (ICOTA08)  2010年12月 

    　詳細を見る

  • Support vector machines and its application to drain maintenance

    Y.B.Yun, R.Emori, T.Iida, K.Furukawa

    5th International Symposium in Science and Technology  2010年8月 

    　詳細を見る

  • Modified Support Vector Regression in Outlier Detection

    J.Nishiguchi,C.Kaseda,H.Nakayama,M.Arakawa,Y.B.Yun

    World Congress on Computational Intelligence-IJCNN  2010年7月 

    　詳細を見る

  • Combining Predetermined Models and SVM/RBFN for Regression Problems

    H.Nakayama,Y.B.Yun,Y.Uno

    The 6th China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems  2010年6月 

    　詳細を見る

  • Particle Swarm Optimization for Multi-objective Optimization with Generalized Data Envelopment Analysis

    Y.B.Yun,H.Nakayama

    The 6th China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems  2010年6月 

    　詳細を見る

  • 大規模データに対するサポートベクター回帰における異常値検出

    鈴木僚, 中山弘隆, 伊賀和博, 稲葉庸介, 尹禮分

    第54回システム制御情報学会研究発表講演会（SCI'10）  2010年5月 

    　詳細を見る

  • 多目的Particle Swarm OptimizationにおけるGDEAの適用

    尹 禮分,中山弘隆

    第52回自動制御連合講演会  2009年11月 

    　詳細を見る

  • Multiobjective Robust Optimization

    H.Nakayama,Y.B.Yun,K.Iga, Y.Inaba

    The 22th Workshop on Complex Systems Modeling  2009年9月 

    　詳細を見る

  • Particle Swarm Optimization for Multi-Objective Optimization

    Y.B.Yun H.Nakayama

    The 22th Workshop on Complex Systems Modeling  2009年9月 

    　詳細を見る

  • Sequential approximate multi-objective optimization using aspiration level approach and expected improvement

    Y.B.Yun,H.Nakayama,M.Yoon

    Joint Meeting of 4th World Conference of the IASC and 6th Conference of the Asian Regional Section of the IASC on Computational Statistics & Data Analysis  2008年12月 

    　詳細を見る

  • Multi-objective model predictive optimization using computational Intelligence

    H.Nakayama,Y.B.Yun

    IFIP World Computer Congress:Artificial Intelligence in Theory and Practice  2008年9月 

    　詳細を見る

  • 包絡分析法を応用した砂防事業における優先順位設定手法の提案

    佐藤丈晴,尹禮分,古川浩平

    平成20年度砂防学会研究発表会  2008年5月 

    　詳細を見る

  • サポートベクトル回帰を用いた実用的な外れ値検出方法

    西口純也,綛田長生,中山弘隆,荒川雅生,尹禮分

    第52回システム制御情報学会研究発表講演会（SCI'08）  2008年5月 

    　詳細を見る

  • Practical Approach to Outlier Detection Using Support Vector Regression

    15th International Conference on Neural Information Processing  2008年 

    　詳細を見る

  • Multi-objective Model Predictive Optimization using Computational Intelligence

    Second IFIP International Conference on Artificial Intelligence in Theory and Practice (IFIP AI 2008)  2008年 

    　詳細を見る

  • Multi-objective Model Predictive Optimization using Computational Intelligence

    Second IFIP International Conference on Artificial Intelligence in Theory and Practice (IFIP AI 2008)  2008年 

    　詳細を見る

  • Sequential Approximate Multi-Objective Optimization using Aspiration Level Approach and Expected Improvement

    Joint Meeting of 4th World Conference of the IASC and 6th Conference of the Asian Regional Section of the IASC on Computational Statistics & Data Analysis  2008年 

    　詳細を見る

  • Practical Approach to Outlier Detection Using Support Vector Regression

    15th International Conference on Neural Information Processing  2008年 

    　詳細を見る

  • Sequential Approximate Multi-Objective Optimization using Aspiration Level Approach and Expected Improvement

    Joint Meeting of 4th World Conference of the IASC and 6th Conference of the Asian Regional Section of the IASC on Computational Statistics & Data Analysis  2008年 

    　詳細を見る

  • 客観的斜面崩壊危険度評価を用いた事業優先順位設定手法の応用事例

    佐藤丈晴,尹禮分,古川浩平

    第46回日本地すべり学会研究発表会  2007年8月 

    　詳細を見る

  • On sequential approximate multi-objective optimization

    H.Nakayama,Y.B.Yun

    The 21th Workshop on Complex Systems Modeling  2007年8月 

    　詳細を見る

  • サポートベクターマシンによる対策工効果を考慮した斜面災害危険度の設定

    大石博之,小林央宜,尹禮分,田中浩一,中山弘隆,古川浩平

    平成19年度砂防学会研究発表会  2007年5月 

    　詳細を見る

  • 種々のデータによる改定IP-OLDF，SVM，判別手法の比較研究

    新村秀一, 尹禮分

    日本オペレーションズリサーチ学会2007年春季OR研究発表会  2007年3月 

    　詳細を見る

  • Combining aspiration level methods in multi-objective programming and sequential approximate optimization using computational Intelligence

    H.Nakayama,Y.B.Yun,M.Yoon

    IEEE First Symposium on Computational Intelligence in Multi-Criteria Decision Making  2007年3月 

    　詳細を見る

  • 計算知能を用いたハイブリッド型多目的最適化法

    尹禮分,中山弘隆,尹敏

    第７回最適化シンポジウム講演会  2006年12月 

    　詳細を見る

  • Regression by support vector machines and its applications to engineering design

    H.Nakayama,Y.B.Yun

    The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System  2006年11月 

    　詳細を見る

  • Multi-objective optimization based on aspiration levels and approximation of Pareto frontier

    尹 禮分

    The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System  2006年11月 

    　詳細を見る

  • Computational intelligence method in multi-objective optimization

    尹 禮分

    International Joint Conference: Society of Instrument and Control Engineers - Institute of Control，Automation and Systems Engineers  2006年10月 

    　詳細を見る

  • 土砂災害防止施設の施工に関する客観的な優先順位設定手法の開発

    尹 禮分

    第45回日本地すべり学会研究発表会  2006年8月 

    　詳細を見る

  • μ-ν-SVR and its applications to engineering problems

    尹 禮分

    The 20th Workshop on Complex Systems Modeling  2006年8月 

    　詳細を見る

  • Multi-objective optimization with prediction and approximation

    尹 禮分

    The 20th Workshop on Complex Systems Modeling  2006年8月 

    　詳細を見る

  • 包絡分析を応用した事業優先度設定事例

    尹 禮分

    第45回日本地すべり学会研究発表会  2006年8月 

    　詳細を見る

  • A hybrid method for approximating Pareto frontier

    尹 禮分

    21st European Conference on Operational Research  2006年7月 

    　詳細を見る

  • Support vector regression based on goal programming and multi-objective programming

    尹 禮分

    World Congress on Computational Intelligence-IJCNN  2006年7月 

    　詳細を見る

  • MOP/GP approaches to support vector regression and their applications to engineering design

    尹 禮分

    The 7th International Conference on Multi-Objective Programming and Goal Programming  2006年6月 

    　詳細を見る

  • Fast approximation of Pareto frontier using computational intelligence

    尹 禮分

    The 18th International Conference on Multiple Criteria Decision Making  2006年6月 

    　詳細を見る

  • SVMを用いた土砂災害発生限界基準線の設定に関する研究

    尹 禮分

    土木学会2005年中国支部研究発表会  2005年11月 

    　詳細を見る

  • Genetic algorithm using GDEA in multi-objective optimization problems

    尹 禮分

    The Sixth Metaheuristics International Conference  2005年8月 

    　詳細を見る

  • Generation of Pareto frontier using computational intelligence

    尹 禮分

    22nd IFIP TC 7 Conference on System Modeling and Optimization  2005年7月 

    　詳細を見る

  • 計算知能を用いる多目的近似最適化手法

    尹 禮分

    第６回最適化シンポジウム  2004年11月 

    　詳細を見る

  • Multi-objective optimization by using machine learning algorithm and evolutionary algorithm

    尹 禮分

    The Third China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System  2004年11月 

    　詳細を見る

  • Multi-objective optimization technique using computational intelligence

    尹 禮分

    International Conference on Intelligent Mechatronics and Automation  2004年8月 

    　詳細を見る

  • A Family of support vector machines using MOP/GP

    尹 禮分

    The 17th International Conference on Multiple Criteria Decision Making  2004年8月 

    　詳細を見る

  • Generation of Pareto frontiers using support vector machine

    尹 禮分

    The 17th International Conference on Multiple Criteria Decision Making  2004年8月 

    　詳細を見る

  • Using support vector machines in multi-objective optimization

    尹 禮分

    International Joint Conference on Neural Networks  2004年7月 

    　詳細を見る

  • Support vector machines using MOP/GP techniques

    尹 禮分

    European Congress on Computational Methods in Applied Sciences and Engineering  2004年7月 

    　詳細を見る

  • Fitness evaluation using generalized data envelopment analysis in MOGA

    尹 禮分

    IEEE Congress on Evolutionary Computation  2004年6月 

    　詳細を見る

  • 一般化包絡分析法と希求水準法を融合した多目的最適化手法

    尹 禮分

    第48回システム制御情報学会研究発表講演会（SCI'04）  2004年5月 

    　詳細を見る

  • SVMによる企業の倒産予測

    尹 禮分

    日本オペレーションズリサーチ学会2004年春季研究発表会  2004年3月 

    　詳細を見る

  • Metaheuristics, generalized DEA and aspiration-based method for multi-objective optimization

    尹 禮分

    The Fifth Metaheuristics International Conference  2003年8月 

    　詳細を見る

  • A soft margin algorithm controlling tolerance directly

    尹 禮分

    Multi-Objective Programming and Goal Programming: Theory and Applications  2003年7月 

    　詳細を見る

  • A role of total margin in support vector machines

    尹 禮分

    International Joint Conference on Neural Networks  2003年7月 

    　詳細を見る

  • Support vector classification considering total margin

    尹 禮分

    IASTED International Conference on Artificial Intelligence and Soft Computing  2003年7月 

    　詳細を見る

  • Multiple criteria decision making by generalized DEA introducing aspiration level method

    尹 禮分

    The Second China-Japan-Korea Joint Symposium on Optimization on Structural and Mechanical System  2002年11月 

    　詳細を見る

  • Multi-objective optimization by using generalized DEA

    尹 禮分

    IFORS 16th Triennial Conference  2002年7月 

    　詳細を見る

  • A generalized model for data envelopment analysis

    尹 禮分

    IFORS 16th Triennial Conference  2002年7月 

    　詳細を見る

  • On evaluation of efficiency of local government finance by using DEA

    尹 禮分

    The 16th Workshop on Complex Systems Modeling  2002年7月 

    　詳細を見る

  • Generalized data envelopment analysis in engineering design problem

    尹 禮分

    The Fourth International Conference on Multi-Objective Programming and Goal Programming: Theory and Applications  2002年6月 

    　詳細を見る

  • Adaption of searching range of genetic algorithms for multi-objective optimization with data envelopment analysis

    尹 禮分

    The Fourth International Conference on Multi-Objective Programming and Goal Programming: Theory and Applications  2002年6月 

    　詳細を見る

  • 一般包絡分析法による工学設計

    尹 禮分

    第11回設計工学システム部門講演会  2001年11月 

    　詳細を見る

  • Decision making by using generalized data envelopment analysis and aspiration level method

    尹 禮分

    Korea-Vietnam Joint Seminar on Mathematical Optimization Theory and Applications  2001年11月 

    　詳細を見る

  • 実数値GAによる多目的最適化

    尹 禮分

    第14回計算力学講演会  2001年11月 

    　詳細を見る

  • データ包絡分析法を用いたトレンド分析法の開発

    尹 禮分

    第11回設計工学システム部門講演会  2001年11月 

    　詳細を見る

  • Reading required characters in market of products by using data envelopment analysis

    尹 禮分

    ASME International Design Engineering Technical Conferences & Computers and Information in Engineering Conference  2001年9月 

    　詳細を見る

  • 多基準意思決定において一般化包絡分析法

    尹 禮分

    第6回日本計算工学会計算工学会講演会  2001年5月 

    　詳細を見る

  • データ包絡分析法を用いた技術指標のトレンド分析

    尹 禮分

    第6回日本計算工学会計算工学会講演会  2001年5月 

    　詳細を見る

  • 多目的最適設計のための領域適応型遺伝的アルゴリズムの開発

    尹 禮分

    日本機械学会機構論  2000年11月 

    　詳細を見る

  • 多目的最適化におけるGDEAへの希求水準アプローチ

    尹 禮分

    日本応用数理学会2000年度年会  2000年10月 

    　詳細を見る

  • Optimum design using radial basis function networks by adaptive range genetic algorithms (determination of radius in radial basis function networks)

    尹 禮分

    26th IEEE International Conference on Industrial Electronics，Control and Instrumentation  2000年10月 

    　詳細を見る

  • Generalized DEA for multiple criteria decision making

    尹 禮分

    Konan-IIASA Joint Workshop on Natural Environment Management and Applied Systems Analysis  2000年9月 

    　詳細を見る

  • Aspiration level approach to multiobjective optimization method using generalized data envelopment analysis

    尹 禮分

    INFORMS Fall 2000 Meetings: Integrating Theory and Applications  2000年6月 

    　詳細を見る

  • A dual approach to generalized data envelopment analysis

    尹 禮分

    International Conference on 2000 INFORMS/KORMS  2000年6月 

    　詳細を見る

  • Generalized data envelopment analysis and it's application to multi-objective optimization

    尹 禮分

    The First China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical System  1999年11月 

    　詳細を見る

  • A multi-objective optimization method combining generalized data envelopment analysis and genetic algorithms

    尹 禮分

    IEEE Systems，Man，Cybernetics Conference  1999年10月 

    　詳細を見る

  • 一般化包絡分析法と遺伝的アルゴリズムによる多目的最適化問題の一手法

    尹禮分 中山弘隆 谷野哲三 荒川雅生

    日本オペレーションズリサーチ学会1999年秋季研究発表会  1999年9月 

    　詳細を見る

  • 包絡分析法(DEA)モデルの一般化

    尹禮分 中山 弘隆 谷野 哲三

    日本オペレーションズリサーチ学会1999年春季研究発表会  1999年3月 

    　詳細を見る

▼全件表示

産業財産権

  • 点検業務に利用可能な評点式データシートに基づく健全性評価システム

    　詳細を見る

    出願日：2007年2月

    特許番号/登録番号：4152423 

    researchmap

  • 危険度評価システム

    　詳細を見る

    出願日：2006年2月

    特許番号/登録番号：4817363 

    researchmap

  • 防災事業計画支援システム

    　詳細を見る

    出願日：2006年2月

    特許番号/登録番号：3975407 

    登録番号:特許第3975407

    researchmap

  • 構造物補修施工計画支援システム

    　詳細を見る

    出願日：2005年11月

    特許番号/登録番号：3975406 

    researchmap

  • 防災事業計画支援システムとその方法

    　詳細を見る

    出願日：2004年6月

    特許番号/登録番号：3674707 

    登録番号:特許第3674707

    researchmap

Works(作品等)

  • 事業優先度設定に関する研究

    2007年

    　詳細を見る

  • 事業優先度設定に関する研究

    2007年

    　詳細を見る

  • 最適制御に関する研究

    2006年

    　詳細を見る

  • 最適制御に関する研究

    2006年

    　詳細を見る

  • 多目的最適化のアルゴリズムの実務的な応用に関する研究

    2005年

    　詳細を見る

  • 多目的最適化のアルゴリズムの実務的な応用に関する研究

    2005年

    　詳細を見る

▼全件表示

共同研究・競争的資金等の研究課題

  • 複雑系モデルを用いた持続可能な都市交通政策の組み合わせの提案

    研究課題/領域番号：21K04307  2021年4月 - 2024年3月

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    井ノ口 弘昭, 秋山 孝正, 尹 禮分

    　 詳細を見る

    配分額：3900000円 （ 直接経費：3000000円 、 間接経費：900000円 ）

    交通機関の多様化が進展し、公共交通ではLRT・BRT・連節バスなど、自動車交通ではEV・超小型モビリティなど、パーソナルモビリティでは電動キックボードなどが観測される。本年度は、これらの中で、主に超小型モビリティ・BRT・電動キックボードに着目し、走行特性の分析・利用可能性の検討を行った。
    電動キックボードは、2022年4月19日に道路交通法の改正案が衆議院で可決され、「特定小型原動機付自転車」として位置付けられる予定である。本年度は、大阪市内で実施されているシェアリングサービス実証実験の車両を用いた調査を行った。安全に利用するためには、自転車通行帯の整備および通行帯上の路上駐車の排除が必要である。また、アンケート調査結果からは、電動キックボードのシェアリングはシェアサイクルと比べると利用可能性は低い結果となった。
    BRTは、大阪市内で運行されている「いまざとライナー」について分析を行った。パーソントリップ調査結果・アンケート調査結果から、いまざとライナーの利用可能性を検討した。また、GPSを用いて走行状態を分析し、改善点の検討を行った。
    超小型モビリティについては、環境負荷量の検討などを行った。道路交通センサスの調査結果では、乗車人数が1人の移動が多数あり、小型車両の利用可能性が示された。また、超小型モビリティは電気自動車であるが、発電方法により環境負荷量は大きく相違する。このため、電気自動車の普及には、環境負荷量の少ない発電方法が必要である。
    今後は、これらの各種交通機関の検討結果を基に、MAS（マルチエージェントシミュレータ）を構築し、各種交通機関の組み合わせの検討を行う予定である。

    researchmap

  • 多目的逐次近似最適化における効率的学習法とその応用に関する研究

    研究課題/領域番号：16K01269  2016年4月 - 2020年3月

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    尹 禮分

    　 詳細を見る

    配分額：4680000円 （ 直接経費：3600000円 、 間接経費：1080000円 ）

    逐次近似最適化では、本来の目的関数の代わりに代用の近似関数が用いられる。いくつかのサンプル点に基づいて構築される近似関数の生成には、RBFネットワークやSVMなどの機械学習が有効である。得られた近似関数の精度は、使用される基底関数やカーネル関数によって変わり，それらの関数における内部パラメータの設定が重要になる。より精度の高い近似関数を生成することを目指し、SVMやRBFネットワークにおける最適な内部パラメーターの決定法、すなわちメタ学習法の提案を行った。さらに、ダイナミックな多目的モデル予測制御問題へ拡張するとともに、工学設計問題を通じて様々な角度から提案手法の有効性を検証した。

    researchmap

  • 機械学習理論を用いた社会的インフラシステムの維持管理評価手法の開発と実用化

    研究課題/領域番号：23710185  2011年 - 2012年

    日本学術振興会  科学研究費助成事業  若手研究(B)

    尹 禮分

    　 詳細を見る

    配分額：4680000円 （ 直接経費：3600000円 、 間接経費：1080000円 ）

    本研究では社会的インフラシステムの一つである下水道維持管理計画するために、機械学習理論を用いた管渠の定量的・客観的な老朽度および損傷度合いの評価法および下水道管渠の合理的・効率的な点検調査方法の提案を目的として、1年目は下水道管渠を対象とし、維持管理の実態調査結果をもとに管渠の諸元・調査結果と道路陥没との関連性を把握し、管渠の老朽度・損傷度合の評価法について考察を行った。最終年度には老朽度・損傷度合の評価に基づき、点検・調査すべき箇所の選定法を提案し、道路陥没に大きな影響を与えると思われる重要要因を統計的解析手法や計算知能手法を用いて解析を行った。

    researchmap

  • 計算知能による近似最適化法とその応用に関する研究

    研究課題/領域番号：18710134  2006年 - 2007年

    日本学術振興会  科学研究費助成事業  若手研究(B)

    尹 禮分

    　 詳細を見る

    配分額：3500000円 （ 直接経費：3500000円 ）

    工学設計などの実際問題では、目的関数が設計変数の陽な関数として与えられないことが多く、構造解析、流体解析、熱解析等の解析計算や実際の模型を作ってはじめて目的関数の値が与えられることが多い。このような問題においては必要な解析や模型試作の回数を出来る限り少なくして、かつ出来る限り最適に近い解を得ることが望まれている。そこで、応答曲面法をさらに発展させ、複雑な形状を持つ目的関数にも適用可能にするためにRBFネットワークやサポートベクターマシン等の計算知能の技法を用いて応答曲面を近似しながら、同時に進化型計算によって大局的な解を求めるという近似最適化の手法を開発した。さらに、高精度の近似曲面を得るために、どのような点を追加すればよいのかが非常に大事であるが、これまでの経験に基づく方法による試行錯誤的な選定法が主であった。本研究では、追加される点をどのように選定するかを、理論的な面からアプローチした上、シミュレーションなどによる分析を行い、さらに、多目的最適化問題へ拡張し、実用レベルでの活用ができるよう、これまで得られた研究成果のもとで総合的なハイブリッド型最適化システムを構築した。

    researchmap

  • 社会基盤システムのLive Designのための避難シミュレーションシステムの開発に関する研究

    2005年 - 2007年

    International Joint Research Projects 

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • 社会基盤システムのLive Designのための避難シミュレーションシステムの開発に関する研究

    2005年 - 2007年

    国際共同研究 

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • 統計的機械学習理論を用いるシステムの信頼性評価法とその応用に関する研究

    研究課題/領域番号：16710116  2004年 - 2005年

    日本学術振興会  科学研究費助成事業  若手研究(B)

    尹 禮分

    　 詳細を見る

    配分額：3800000円 （ 直接経費：3800000円 ）

    多くの実際問題は相競合する目的関数をもつ多目的最適化問題として定式化される。多目的最適化問題ではすべての目的関数を同時に最適化する解は必ずしも存在せず、そのためパレート最適解が導入される。通常パレート最適解はたくさん存在し、その中から目的関数の間にバランスの取れた一つの最終解を選び出すことになる。しかし、工学設計などの実問題では種々の評価関数の形が陽にはわからず、構造解析、熱解析、流体解析等の数値解析によってはじめて設計変数の各値に対する評価関数値が定められることが多い。このような数値解析には多大の計算時間やコストがかかるため、満足のいく解を得るまでに必要とする解析回数は多くなり、従来からよく用いられた最適化手法の適用は現実的に困難である。したがって、最適設計などの問題においてはパレート最適解を求める際、要求される解析数を減らすことが非常に大事な課題である。一方、多点探索ができる進化型アルゴリズムを用いてパレート最適解の全体を生成する手法に関する研究が盛んになるが、得られた解の多様性の維持や最適性の評価法の解決すべき課題がある。
    そこで、本年度の研究では一般化包絡分析法(以下、GDEAという)による近似パレート曲面の生成法を提案した。意思決定体の効率性を分析するために提案された手法であるGDEAと遺伝的アルゴリズムを融合することにより、より少ない解析数で、より精度のいい近似パレート曲面を生成することができるようになった。さらに、GDEAから得られる解の情報を活用することで、多様性を維持することができるようになった。さらに、様々な数値例を通じて、本研究で提案した手法の有効性について検証した。

    researchmap

▼全件表示

教育内容・方法の工夫（授業評価等を含む）

  • ・教科内容をまとめた資料や演習問題の解説資料をCEASに掲載し、毎週予習・復習できるようにした。 ・授業中の座席は指定席にした。その結果、授業雰囲気の改善もみられ、大人数の授業の場合でも学生一人一人の達成度が容易に把握できるようになった。 ・演習や実習を伴わない理論系教科でも理解を深めるため、演習問題をとく時間をなるべく多く設けて、その日の授業内容はその時間内に理解するようにした。 ・先週授業内容に対する小テストを実施することで、ある意味では強制的ですが、毎週復習するようにし、授業出席率も高くなる効果があった。 ・演習問題を解くときには学生同士での議論を許可し、お互い助け合うようにした。 ・また演習内容をレポートして提出してもらい（強制性を持たすため）、それをチェックすることで、学生の進捗状況を把握し、さらにそれをfeed backさせることで、学生自身も各自で自分の理解度合いをチェックすることができた。

作成した教科書、教材、参考書

  • 　特になし

教育方法・教育実践に関する発表、講演等

  • 　特になし

その他教育活動上特記すべき事項

  • 　特になし