2017 Fiscal Year Annual Research Report
Multi-Valued Neuro-Fuzzy Classifier for Extracting Rules from Real-World Data
| Project/Area Number |
15K00333
|
|---|
| Research Institution | University of Fukui |
|---|
Principal Investigator |
村瀬 一之 福井大学, 学術研究院工学系部門, 教授 (40174289)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | ニューロファジィ / 多元数 / クラス分類 / 関数近似 / オートエンコーダー |
|---|
| Outline of Annual Research Achievements |
90年代に提案され種々の改良などが行われてきたニューロファジィ学習法では、入力数などに応じてルール数が爆発的に増大してしまい、計算（学習）時間が増加したり精度が低下する。我々はこれまでに収束が速く精度の高い複素および4元数への拡張した誤差逆伝播学習法を提案し関数近似問題で良好な結果を得た。そこで本研究では、実データを用いた数値実験などにより、①多元数ニューロファジィでクラシファイヤーが構築できるのか、②多数例（Majority）に対する少数例（Minority）の比が小さいインバランスなビッグデータなどからのルール抽出ができるのか、③得られたファジィルールから有意義なIF THEN ルールが得られるのか、にチャレンジすることを目的とした。
前年度に引き続き、多元数ニューロファジィを関数近似やクラス分類問題にて評価を行った。また、当初からニューロファジィのオルタネティブとして提案していた、多元数ニューラルネットワークの深層学習による特徴量抽出の可能性を検証した。今年度に行った関連する成果発表は次の通りで、7編の論文が国際論文誌に採録された。
①多元数ニューロファジィにおいて係数の数を減らす方法を開発し関数近似やクラス分類問題にて評価し良好な結果を得た。これはルールを抽出するにも有効と考えられる。
②多元数オートエンコーダーを開発しクラス分類問題で評価し良好な結果を得た。
③適応的ファジィ手法を提案し実世界問題での有効性を示した。
|
Research Products
(7 results)
