精度と解釈性を両立する大規模ベイジアンネットワーク分類機

• 研究課題/領域番号: 25K21270
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分61030:知能情報学関連
• 研究機関: 電気通信大学
• 研究代表者: 菅原 聖太 電気通信大学, 大学院情報理工学研究科, 助教 (50985950)
• 研究期間 (年度): 2025-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2025年度)
• 配分額: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円); 2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2025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: ベイジアンネットワーク / 分類器 / 確率モデル / グラフィカルモデル

研究開始時の研究の概要

機械学習分野における分類機はDeep Learning (DL)アプローチと確率アプローチに大別される。前者は分類精度が高いが解釈性が低いという問題がある。後者は解釈性が高いが分類精度でDLに劣る。最近、申請者らは分類に用いるBayesian network(BN)の条件付き確率パラメータ数を最小化することでDLより高い精度を持つBN分類機を提案した。この手法は、高い分類精度、真の確率分布への収束の保証，解釈性という3つの利点をもつ。しかし、この手法は計算効率が悪く大規模構造を学習できない。本研究では、この問題を解決し、解釈性と分類精度を両立した千変数以上の大規模BN分類機学習の実現を目指す。