2010 Fiscal Year Annual Research Report
部分問題を構成しつつ探索する協調分散型進化計算による知識導出
| Project/Area Number |
21700254
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
半田 久志 岡山大学, 大学院・自然科学研究科, 助教 (60304333)
|
|---|
| Keywords | 協調分散型進化計算 / 分布推定アルゴリズム / 知識抽出 / クラスタリング / 測地距離 |
|---|
| Research Abstract |
本研究では,部分問題に分割し,部分問題毎に並行して協調的にルール生成を行う新たな進化計算を提案し,提案手法をデータマイニングにおける知識導出に適用する.部分問題に分割することにより多様性を維持しつつ効率的にルール探索を行うことができることが期待される.提案手法では,精度を落とさない範囲で,世代毎に部分問題を構成する学習事例を部分問題間で複製・移動する.このことにより,探索中にルール生成に望ましい部分問題構成の最適化を行う.
前年度に集団分割の有用性を確認したので、ルール抽出に用いる分布推定アルゴリズムの高性能化に重点をおいて研究した。前年度に提案し、ACM Genetic and Evolutionary Computation Conference (GECCO)のBest Paper Awardと人工知能学会研究会優秀賞(JSAI Incentive Award)を受賞したした、分布推定アルゴリズムを強化学習問題へと適用したEDA-RLの拡張を行った。具体的には、確率モデル生成時に教師データとして用いる選択エピソード群から冗長経路を見出し、削除することにより学習速度が飛躍的に向上すること。また、カイ自乗検定により矛盾状態を検出し、矛盾を解消するための確率モデル構造探索機構を導入した。これにより、いわゆる不完全知覚問題であっても、問題解決ができるようになった。さらに、集団分割に用いた、測地距離に基づく次元縮約法である、多様体学習について、進化学習エージェントの前件部に用いることにより学習の効率化が図られることを見出した。
|
