| 研究課題/領域番号 |
20K11954
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
酒井 浩 九州工業大学, 大学院工学研究院, 教授 (60201513)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 表データ解析 / ルール生成 / 不完全情報 / NIS-アプリオリアルゴリズム / 欠損値補完 / データマイニング / ルール生成による機械学習 / ラフ集合と粒状計算 / アプリオリアルゴリズム / NIS-アプリオリ法 / ラフ集合 / 欠損値推定 / NIS-アプリオリ / 可能世界意味論 / ルール生成の完全性 / 機械学習 / ビッグデータ |
|---|
| 研究開始時の研究の概要 |
研究代表者は情報表におけるルール生成の手法、DIS-アプリオリ法(通常の情報表DISからルールを生成)とNIS-アプリオリ法(不完全な情報表NISから確実ルールと可能性ルールを生成)を提案・実現している。
本研究ではNIS-アプリオリ法に機械学習の機能を追加し、真の情報表と真のルールを逐次的に推定する手法、説明可能なAI機能の実現(ルールに基づく理由付けによるAIのブラックボックス化解消)、ビッグデータ・異種データを統合したルール生成とその利用によるAI機能の構築等を進める。
|
| 研究実績の概要 |
研究代表者はPawlakのラフ集合とAgrawalのアプリオリ法を融合し，DIS-アプリオリ法 (通常の情報表(DISとよぶ)からルールを生成)とNIS-アプリオリ法(不完全な情報表(NISとよぶ)から確実ルールと可能性ルールを生成)を提案・実現している．今回，今までの研究を発展させ「NISからのルールを生成・活用しながら，逐次的に真の情報表DISと真のルールを推定する手法」を提案し，これをルール生成による機械学習Machine Learning by Rule Generation (MLRG)として研究を行った．
MLRGでは対象の属性Aの欠損値を補完するために，Aを決定属性とする確実ルールを生成し，欠損値を含む対象にヒットする最も強い確実ルールの結論部で欠損値を補完する．元データにランダムに欠損値を作り交差検証の実験を通して，MLRGの補完精度を考察した．一様に都合よく補完できるとは限らず，補完の精度は属性間の従属性に影響されることを確認した．成果を「知能と情報」誌から出版した．
さらに，属性間の従属関係を検討した．属性を固定すれば従属度を計算できるが，この場合，(2の属性数乗)の場合が生じる．研究代表者は同じ属性から成るルールのサポート値の和が従属度に一致する性質を利用し，この問題に対する一解決手法を示した．また，表データに限らずクラスター化されたデータ，時系列データ，ファジイのメンバシップ値データなど多様な異種データから一様にルールを生成する枠組Descriptor-based Information System (DbIS)の体系を提案しIUKM2023，Springer LNCS誌で発表した．整備した環境と実行例を示すための動画を下記にアップロードし公開している．
https://www.mns.kyutech.ac.jp/~sakai/RNIA/
|
