2005 Fiscal Year Annual Research Report
退化現象を利用した構造学習アルゴリズムとその応用に関する研究
| Project/Area Number |
16500083
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
高濱 徹行 広島市立大学, 情報科学部, 教授 (80197194)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩根 典之 広島市立大学, 情報科学部, 助教授 (60264933)
|
|---|
| Keywords | 構造学習 / 構造最適化 / 退化 / 遺伝的アルゴリズム / ニューラルネットワーク / 教師付き学習 / Particle Swarm Optimization / Differential Evolution |
|---|
| Research Abstract |
本研究は、教師付き学習において、退化現象を利用した構造学習アルゴリズムにより、モデルパラメータとモデル構造を同時に最適化し、汎化能力の高いモデルを得ることを目的としている。本年度は、新しいアルゴリズムの検討を含めたアルゴリズムの効率化、退化圧力の自動調整方法の検討、応用研究のための調査を中心に次のような研究を行った。1.アルゴリズムの効率化:これまで構造学習アルゴリズムのベースとなる最適化アルゴリズムとして遺伝的アルゴリズム(GA)を用いてきた。しかし、Particle Swarm Optimization(PSO)やDifferential Evolution(DE)などのアルゴリズムが提案され、その有効性が示されてきている。このため、PSOおよびDEの最適化能力について、主に制約付き最適化の観点から検討した。その結果、最適化の対象によってはPSOおよびDEがGAよりもかなり優れた最適化能力を有することが確認できた。次年度以降、退化現象にこれらのアルゴリズムを導入する方法について検討するとともに、その実現に取り組む予定である。2.退化圧力の自動調整:これまでの研究により、汎化能力を向上させるためには退化のための圧力を適切に調整する必要があることが明らかになった。このための方法として、パラメータの学習を行う集団以外に、退化圧力を調整するための集団を準備し、これら2つの集団の共進化により退化圧力を調整する方法について研究を進めた。次年度以降、特に退化圧力を調整するための集団の評価方法についてさらに検討を行う予定である。3.応用研究のための調査:退化に基づく構造最適化が有効であると考えられる応用研究として、時系列データの代表であり、学習がかなり困難であると考えられる、株価や為替変動の予測方法について検討を進めるとともに、学習に必要なデータの収集を継続して行った。次年度以降、収集したデータをもとに構造学習を行い、どの程度の予測が可能であるかを検討する予定である。
|
