2006 Fiscal Year Annual Research Report
多峰性最適化手法を用いた適応的共生モデルの構築とその工学的応用に関する研究
| Project/Area Number |
18700139
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
安藤 晋 横浜国立大学, 工学研究院, 助手 (70401685)
|
|---|
| Keywords | 進化的計算 / 多峰性最適化 / 共進化 / アンサンブル学習 / クラスタリング / 例外検出 |
|---|
| Research Abstract |
情報理論的クラスタリングの理論的な進展により、大規模データセット中の特異な情報源およびそこから生成された小さな部分集合を検出するマイノリティクラスタリング手法の理論的な整備が完了した。その結果、教師無し例外検出手法とクラスタリングを統一的に扱うことを可能にする考え方であることが示された。人工データによる実験では数十万件程度のデータから100個のマイノリティの情報源から生成された事例集合を検出し、スケーラビリティの高さが示された。また、文書分類問題と衛星画像分類問題の実世界ベンチマークで検証した結果、従来の教師無し学習手法を大きく上回る分類性能を実現した。この成果はICDM2006(口頭発表採択率10%)にて発表した。
情報理論的クラスタリングをベースとしたニッチ探索手法を実装し、進化的なニューラルネットワークアンサンブル設計問題に適用した。アンサンブル設計は異なる分類関数に対応する複数の遺伝集団が協力的な共進化を行うシステムとした実装がよいベンチマーク性能を出すことが確認された。実験のためアンサンブルによる分類ベンチマークを用意し、ブースティングやバギングなどの確率的手法と分類性能を比較した結果アンサンブルの一般化誤差を減少できることが判明した。さらに、分類関数を発見的に追加する共進化システムによりネットワークの数が抑えられることが分かった。この成果はGECCO2007にて発表される。さらに、分類関数の形状を制限して共進化に関する挙動を解析した結果、情報量の大きい分類が早期に獲得されることが分かった。
|
