2015 Fiscal Year Annual Research Report
論理プログラム表現に基づくセルオートマトン遷移規則学習
| Project/Area Number |
26540122
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
井上 克巳 国立情報学研究所, 情報学プリンシプル研究系, 教授 (10252321)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
坂間 千秋 和歌山大学, システム工学部, 教授 (20273873)
|
|---|
| Project Period (FY) |
2014-04-01 – 2016-03-31
|
| Keywords | 機械学習 / セルオートマトン / ブーリアンネットワーク / 状態遷移 / 行動規則学習 / 論理発見 / 遺伝子制御ネットワーク学習 |
|---|
| Outline of Annual Research Achievements |
本研究では、ブーリアンネットワークやセルオートマトンなど、時間的に変化する離散系を標準論理プログラムで記述し、その上での帰納推論方式を新たに考案し、状態遷移規則を学習するための画期的な方法論を提案する。これまでに状態間の変位から状態遷移規則を自動的に学習する LFIT (Learning from Interpretation Transition) を提案していたが、本研究ではこれをベースに様々な拡張方式を開発する。
平成27年度は、マルコフ性を仮定しないような遅延効果をもつ状態遷移規則の学習方式を実装し、遅延効果をもつブーリアンネットワーク学習に応用した。また各状態で変数がとり得る値を2値（ブーリアン）から多値にした多値ネットワークや、非決定性や確率遷移をもつ状態遷移規則の学習についても考えた。さらに従来のLFITでは、各コンポーネントの制御が一斉に行われることを仮定していた（同期式更新）、非同期更新による状態遷移規則の学習に関する考察も行った。
LFIT の応用としては、これまでの遺伝子制御ネットワークやセルオートマトン学習に加え、ロボットの行動規則学習にも適用した。また、コンピュータが論理を自動的に学習する「論理発見」として、命題集合 S とその論理的帰結の集合 T を入力として与えた場合に、S から T を演繹的に導く推論規則を機械的に構成する方式を実装した。さらにアブダクションや会話における含意のような非論理的な推論の規則を LF1T を使って学習する方法を提案した。これらの推論規則の学習は、従来の機械学習や帰納推論の研究であまり着手されていなかった問題であり、今後の発展が期待される。
|
| Remarks |
*Institut de Robotica i Informatica Industial, CSIC-UPC
|
-
-
-
-
[Journal Article] Inductive Logic Programming: Challenges2016
Author(s)
Katsumi Inoue, Hayato Ohwada, Akihiro Yamamoto
-
Journal Title
In: Proceedings of the 30th AAAI Conference on Artificial Intelligence (AAAI-16; Phoenix, Arizona, USA, February 14, 2016)
Volume: -
Pages: 4330-4332
Peer Reviewed / Open Access
-
-
-
-
-
-
-
-
-
[Presentation] Panel: ILP 25 Years2015
Author(s)
Stephen Muggleton, Fabrizio Riguzzi, Filip Zelezny, Gerson Zaverucha, Jesse Davis, Katsumi Inoue, and Taisuke Sato
Organizer
he 25th International Conference on Inductive Logic Programming
Place of Presentation
京都大学
Year and Date
2015-08-22
Int'l Joint Research
-
-
-
-
-
