2007 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 Hokkaido University, 大学院・情報科学研究科, 准教授 (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 |
本年度に行った研究実績を以下に述べる.
1.昨年度に実施した検討に基づいて,知識の整合性を保障しながら,人問の専門家から継続的に知識を獲得できる知識獲得手法に対して,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て,人間の専門家からの知識獲得(これも広義の意味での学習とみなせる)と,データからの学習の両者とを統合化するプログラムコードの実装を更に進めた.
2.1.での実装においては,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べースの表現形式を用いることによって,知識べ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ことを実現した.
3.各ノードが保持するそれぞれの知識の複雑さを,知識表現の複雑さに対する記述長と,その知識を用いて与えられた事例集合を分類した際の精度(予測誤差)に対する記述長として,2.で実現した各ノードに蓄積する事例集合を利用して計算するモジュールをコードとして実装した.
4.2.,3.,などを通じて実装したモジュールを利用することにより,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,計算機上にプロトタイプシステムとして実現した.
5.上記を通じて開発したプロトタイプシステムを,機械学習の分野で公開されているベンチマークデータなどに対して適用し,その性質や挙動を評価した.
|
