| Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2006: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2005: ¥1,000,000 (Direct Cost: ¥1,000,000)
|
|---|
| Research Abstract |
平成18年度は,先に開発した進化的計算によるルール抽出手法と,柔軟な推論能力を持つネットワークによる学習や高次の知識を表現したヒューリスティックなルールとの融合方法の検討を行った.平成18年度の研究成果を以下に示す.
1.ベイジアンネットワークによる推論やヒューリスティックな分類ルールによる分類結果を中間仮説としてとらえ,それらの結果を入力として先に開発した自動グループ構成手法(Automatically Defined Groups ; ADG)による分類ルールを用いて最終分類を行う進化的分類システムの構築を行った.これは,平成17年度に行ったADGによるルール抽出手法を中間仮説生成システムとしてとらえ,その結果を用いてフィードフォワード型のニューラルネットワークにより最終的に分類するシステムとは対称的なアプローチである.
2.上記のシステムの現実問題に適用し実験により有効性を検証した.医療データからは専門的知識無しにヒューリスティックなルールを構築することは困難なため,本検証実験の対象としては,ヒューリスティックな知識を用いることが容易なSPAMメールのフィルタリング問題を扱った.従来のオープンソースのメールフィルタリングソフトウェアで誤分類が発生した事例を正しく再分類することに成功するなど,提案システムの有効性を示すことができた.
3.上記システムで利用したベイジアンネットワークやヒューリスティックな分類ルールに加えて,新たに自己組織化マップによる出力を中間仮説の1つとして利用するアプローチについて検討した.
以上のような18年度の研究成果,および17年度の研究成果により,木構造を用いた知識表現による理解容易性や再利用性の高さ,ネットワーク学習を用いることによる分類精度の高さという双方の長所を共に活かした手法の開発を行うことができたと考えられる.
|
