数理最適化における入力凸ニューラルネットワークの活用法
arXiv cs.LG ・ 2026-08-10
原題: Input convex neural networks as surrogates in mathematical optimisation
AI による要約
数理最適化の分野で、入力凸ニューラルネットワーク（ICNN）を代理モデルとして用いる手法を提案する。従来のReLU活性化関数を持つフィードフォワードネットワーク（FNN）では計算コストが高くなるのに対し、ICNNは凸構造によりLP緩和が厳密化され、整数ギャップが生じないケースもある。また、ReLU活性化のエピグラフ表現を用いたLP再構成も可能だが、完全一致は保証されない。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.LG）をご確認ください。