| 研究課題/領域番号 |
21K12013
|
|---|
| 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 | 大阪大学 |
|---|
研究代表者 |
関 宏理 大阪大学, 大学院基礎工学研究科, 助教 (10583693)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | ファジィ推論 / 深層ファジィ推論 / 医療診断 / 人狼ゲーム / 不均衡データ / 深層ファジィルール / 時系列 / モジュラーファジイモデル / 単一入力結合型ファジィ推論 |
|---|
| 研究開始時の研究の概要 |
近年，ディープラーニングに関する研究が盛んに行われているが，ディープラーニングの入出力関係はブラックボックスであるという問題が存在する．本研究ではIf-Thenルールにより記述されるファジィ推論を多層にした新しい深層ファジィ推論を提案し，入出力関係がわかりやすいモデル構築を目指す．また，単一入力型ファジィ推論モデルはファジィルール数が大幅に削減可能であることで知られているが，本モデルを多層に拡張することにより，ルール数が少なく，高速計算可能な深層ファジィ推論の構築を行うことを目指す．また，提案モデルを様々な問題へ応用し，その適用可能性を検証することや，理論的性質の解明を目的とする．
|
| 研究実績の概要 |
本年度は深層ファジィ推論の解釈性向上のため、少数入力で構築された深層ファジィルールに対して遺伝的アルゴリズムを適用することにより、不要なルール、あるいは入力項目の削除を行った。また、各ルールのすべての前件部の入力項目に対して重み付けをし、試行錯誤で設定した閾値以下のルールと入力項目の削除を行った。その結果、遺伝的アルゴリズム・重み付けルール手法共に、高い推論精度を保ちつつ、ルール数の削減による解釈性向上を可能とする深層モジュラーファジィモデルの提案を行った。
また、深層ファジィ推論モデルは層が増えるごとにパラメータ数の増加によって学習データについては精度良く対応するが、過学習が起こり、不均衡データに適用する際には少数データに対応できない場合が存在する。このことから、層が進むごとに少数データの近傍データを加えていき、学習データを増やしていくことにより、各層の推論結果の平均を最終推論結果とする新しい深層ファジィ推論モデルを提案した。その結果、多層で構築した場合にも不均衡データに精度よく対応できることが確認できた。
深層ファジィ推論モデルは前層の出力を次層の入力として用いることから、必ずしも従来のファジィ推論モデルよりも解釈性が高いとは限らない場合が考えられる。本研究では前層からの出力を未だ発見されていない特徴量と仮定することにより、エキスパートでも気づいていない新たな特徴量の存在性と発見の可能性についても言及した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
昨年度までは新型コロナウイルスの影響で積極的な発表ができなかったが、今年度は多くの発表を行うことができた。研究は順調に進んだものの、学会発表のタイミングが遅れたことから学術論文への投稿は遅れる結果となった。
|
| 今後の研究の推進方策 |
これまでの研究内容を基に、未だ適用できていない問題などへも応用することにより更なる実験結果と考察を追加し、学術論文へ投稿することを考える。
|
