研究課題/領域番号 |
25730133
|
研究種目 |
若手研究(B)
|
配分区分 | 基金 |
研究分野 |
知能情報学
|
研究機関 | 山梨大学 |
研究代表者 |
山本 泰生 山梨大学, 総合研究部, 助教 (30550793)
|
研究協力者 |
守屋 央朗
|
研究期間 (年度) |
2013-04-01 – 2016-03-31
|
研究課題ステータス |
完了 (2015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)
2015年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2014年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2013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 | 学習と知識獲得 / システム生物学 / 逆包摂法 / SBGN / 転写因子ネットワーク / 仮説推論 / 知識発見 / 転写因子 / GPCR / 頻出パターンマイニング / 仮説発見 / 逆伴意法 / 頻出アイテムマイニング / リソース指向近似計算 / 双対化問題 / 頻出アイテム集合マイニング |
研究成果の概要 |
本研究では,仮説発見問題について,逆包摂法と呼ばれる解法に着目し,実用的規模の問題を効率的に解くための技術を確立する.逆包摂法は,解探索の完全性を保証する手法であり,従来法が発見困難な仮説を導き得る仮説推論法として注目されている.他方,逆包摂法のスケーラビリティはまだ低く改善の余地がある.そこで本研究では,逆包摂法においてボトルネックとなる各種手続きの効率化をはかる.さらに細胞内の分子ネットワークのモデル記述言語であるSGBN を述語論理形式に翻訳する手法を開発する.これらの手法を通して,SBGNに基づく分子ネットワークモデルに仮説推論を適用し,モデルに欠落している新知識を導出する.
|