2006 Fiscal Year Annual Research Report
最小記述長原理に基づきデータからの帰納学習を統合する知識獲得技術の研究
| Project/Area Number |
18700131
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
吉田 哲也 北海道大学, 大学院情報科学研究科, 助教授 (80294164)
|
|---|
| Keywords | 知識獲得 / 知識の整合性 / 機械学習 / 記述長 / 最小記述長原理 |
|---|
| Research Abstract |
本年度の研究実績を以下に述べる.
1.これまでに研究を進めてきた,知識の整合性を保障しながら人間の専門家から継続的に知識を獲得する知識獲得手法を拡張するため,機械学習の分野における主要技術の一つである事例(データ)からの学習に着目し,人間の専門家からの知識獲得(これも学習とみなすことができる)と,データからの学習の両者とを,統合化する枠組みを検討した.
2.1.で検討した枠組みを実現するため,獲得した知識のみを保持するのではなく,蓄積した知識の根拠となる事例集合をも保持するような知識ベースの表現形式を検討し,知識ベースを表現する木構造における各ノードを,事例に対する推論(判断)を行う知識とともに,その根拠となる事例集合をも保持するように拡張した.
3.2.における知識ベースの表現形式の拡張により,各ノードに蓄積した事例集合に基づいて,各ノードが保持するそれぞれの知識を,知識表現の複雑さに対する記述長と,その知識を用いて事例集合を分類した際の精度(予測誤差)に対する記述長の表現を,それぞれ定式化した.
4.3.において定式化した記述長に対して,情報理論に基づく最小記述長原理を適用することにより,人間の専門家とデータからの両者から知識を獲得できる知識獲得手法を開発した.
5.上記で開発した知識獲得手法に基づき,知識獲得システムを設計し,そのプロトタイプシステムを計算機上に試作し,試作システムの動作を確認した.
|
