|
本研究では、状況を領域知識として利用する学習アルゴリズムについて研究を行い、次の成果を得た。
1.状況を領域知識として利用する学習アルゴリズムを、実際の機械学習・機械発見に応用することを目指して、その理論的な基礎を固めた。
機械学習とは人間の持つ学習機能をコンピュータ上で実現することであり、機械発見とは大量の観測データ・実験データから、これを説明する科学的法則をコンピュータに発見させることである。
2.計算可能関数に対応する一般的なアルゴリズム(計算手続き)で実現される規則を、観測データに対応する引数と関数値の対の例から、完全に自動的に機械発見するための理論的規則を与えることを目指した。
このような機械発見の理論は、形式言語、文法、基本形式的体系と呼ばれる論理プログラムのモデルを対象にして、始められている。しかし、機械発見の一般的対象は、言語では表現できないため、計算可能関数を対象にして、機械発見の理論を展開する必要がある。
3.本研究では、このような観点から、計算可能関数から成る添字付き族と、計算可能関数を計算できる基本形式的体系を機能的推論するという枠組みの下で機械発見の理論を展開した。
与えられる観測データを説明する関数が、推論アルゴリズムが持つ仮設空間に属していない場合、このことを知らせて計算を停止するという論駁推論が、機械発見の第1段階として必要である。
上記枠組みの下で、計算可能関数を計算するプログラミング系が論駁推論可能になるための条件を求め、ある種の多項式、原始機能的関数、関数を計算する基本形式的体系などの具体的なプログラミング系が、論駁推論可能であることを示した。
|
