2007 Fiscal Year Annual Research Report
ソフトコンピューティングの性能強化と学習オートマトンの活用-非定常環境への挑戦
| Project/Area Number |
18500173
|
|---|
| Research Institution | Osaka Kyoiku University |
|---|
Principal Investigator |
馬場 則夫 Osaka Kyoiku University, 教育学部, 教授 (30035654)
|
|---|
| Keywords | 学習オートマトン / ニューラルネット / 非定常環境 / 融合技術 / 知能工学 |
|---|
| Research Abstract |
平成19年度の研究実績は、大きく分けて次の3点にしぼられる。
1)複数教師環境の特性がある時刻を境として全く異なったものとなるような所謂"Nonstationary Multiteacher Switching Environment"を考え、我々が提案した学習アルゴリズムとこれまでに提案された2つの優れた学習アルゴリズム(DGPA&SE_RI)との性能比較を幾つかのシミュレーションによって行った。その結果、我々の提案する学習アルゴリズムが優れていることが確認された。
2)近年、温室効果等の地球環境問題が非常に深刻なものとなってきつつある。
もし、我々がこのゆゆしき問題を看過しておくならば、その"ツケ"は、我々の子孫何代にも渡ってはねかえってくるであろう。
COMMONS GAMEは、地球環境問題の重要性を人々に深く認識させようという目的でPowersらによって作られた。しかしながら、彼らが作った元々のコモンスゲームは、しばしばゲームプレーイングが単調なものとなってしまうという問題点があった。
我々は、多目的進化計算法並びにFEP法をこのゲームに活用することにより、より興味深い改良型コモンスゲームの作成に成功した。そして、このゲームの効果に関しては、既に、幾つかのゲームプレーイングを行うことにより、確認している。
3)ニューラルネット(NNs)により"ゴールデンクロス"並びに"デッドクロス"を事前に予測すると共に、数週間後の株価の上昇率&下降率を多くのNNsを活用することにより予測する。そして、それらの予測情報を総合的に評価して株式売買を実行する意思決定支援システムを提案した。ランダムに選択された幾つかの個別銘柄に関するシミュレーション結果は、提案した株式売買意思決定支援システムの有効性を示唆するものであった。
|
