日本オペレーションズ・リサーチ学会中国・四国支部研究部会

「アシュアランスモデルとその応用」研究部会

平成１６年度研究部会活動

第１回	日時：	平成16年6月11日（金）11:00〜12:00
	場所：	広島大学工学部Ｃ１−１１２
	演題：	ソフトウェア信頼度成長モデルを活用したテスト管理施策の導出方法とその効果
	講師：	藤原隆次　氏（富士通周辺機株式会社）

第２回	日時：	平成16年7月13日（火）13:30〜14:30
	場所：	広島大学工学部Ｃ１−１１２
	演題：	Five Further studies for Reliability Models
	講師：	中川覃夫　氏（愛知工業大学）
	概要：	This paper surveys my five recent studies; (1) reliability of complexity, (2) reliability of scheduling, (3) expected number of failures, (4) sequential maintenance policies, and (5) service reliability. Some results might not be useful to actual fields, however, these would certainly offer interesting topics to researchers and practicians.

第３回	日時：	平成16年12月7日（火）13:30〜14:30
	場所：	広島大学工学部Ｃ１−１１２
	演題：	アンサンブル自己生成ニューラルネットワークに関する研究
	講師：	井上浩孝　氏（呉工業高等専門学校）
	概要：	ニューラルネットワークは，分類，認識，関数近似，時系列予測等様々な分野で有効に利用されている。一般にニューラルネットワークは研究者各自が各問題に対するネットワークの構成や学習係数等のパラメータを経験や勘によって事前に決定する必要がある。Wenらによって提案された自己生成ニューラルネットワーク (Self-Generating Neural Networks: SGNN) は訓練データを1度提示することで自動的に自己生成ニューラル木を生成するため，ネットワーク設定における煩わしさがなく，高速な学習特性を有す。しかしながら，SGNN は基本的に教師なし学習則であるため，教師あり学習法を用いたネットワークに比べ，その精度は劣る。本発表では，SGNNの高速な学習特性を活かして汎化能力を改善するための，複数のSGNNを用いたアンサンブル自己生成ニューラルネットワーク(Ensemble Self-Generating Neural Networks: ESGNN) モデルを提案し，分類，カオス時系列予測の問題に対して既存学習法のバックプロパゲーション(Back-Propagation: BP) と比較検討し，ESGNN が BP より高速かつ同程度の高い汎化能力をもつことを示す。次に，並列計算機の各プロセッサに各SGNNを割り当てた並列アンサンブルモデルにより，大幅な処理時間の短縮と使用メモリの分散化を行い，分類，カオス時系列予測に対して，ESGNNは使用するプロセッサ数が増加するにつれて汎化能力を改善し，データ数が増加するにつれて高い並列特性をもつことを示す。最後に，記憶容量削減のための枝刈りアルゴリズムを提案し，分類に対して汎化誤差改善特性と計算コストを既存のパターン認識手法である最近傍法と比較し，記憶容量を少なく押え，より高い汎化能力をもつことを示す。

その他	日本オペレーションズ・リサーチ学会中国・四国支部講演会の協賛
	日時：	平成16年10月22日（金）15:00〜17:00
	場所：	広島大学経済学部 351 大会議室
	演題：	償還条項のあるアメリカン・オプションの評価とその応用
	講師：	澤木勝茂氏（南山大学数理情報学部）
	概要：	ヨーロッパ型条件付請求権の評価と比較して、アメリカ型条件付請求権の評価は、理論的にも計算上においても困難な場合が多い。その主たる理由は、アメリカ型オプションにおいては資産価格に関する不確定性に加えて権利行使に係るタイミングに関する不確実性が追加されるからである。ここでは、償還条項のあるアメリカ型オプションの評価についての定性的研究および数値解法について主として論じる。更に、永久オプションおよび転換社債への応用についても詳しく議論する。本報告では、アメリカン・オプションの評価についての展望とリサーチ・フロンティアについても紹介する。

日本オペレーションズ・リサーチ学会中国・四国支部事務局(orsj.chushikoku@gmail.com)