| 研究課題/領域番号 |
06452405
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
有川 節夫 九州大学, 大学院・システム情報科学研究科, 教授 (40037221)
|
|---|
| 研究分担者 |
宮野 悟 東京大学, 医科学研究所, 教授 (50128104)
廣渡 栄寿 九州大学, 大学院・システム情報科学研究科, 助手 (60274429)
篠原 歩 九州大学, 大学院・システム情報科学研究科, 助教授 (00226151)
THOMAS Zeugm 九州大学, 大学院・システム情報科学研究科, 助教授 (60264016)
新島 耕一 九州大学, 大学院・システム情報科学研究科, 教授 (30047881)
|
|---|
| キーワード | 機械学習 / 機械発見 / 計算学習理論 / 帰納推論 / PAC学習 / 数値データからの学習 / 大規模データベース / 機械発見の論理 |
|---|
| 研究概要 |
本研究は、学習アルゴリズムと機械発見について、論理と方式から、手間と効率化、作業環境に至るまでを体系的に追及し、科学発見の機械化のための基礎を確立することを目的としている。本年度は、以下の研究成果を得て、3年間にわたる本研究を成功裡に完了した。
(1)機械発見の計算可能論理に関しては、帰納的実数関数と区間計算について研究し、数値データを計算論的に扱い、そうしたデータからの機械学習や機械発見の理論の基礎を築いた。また、消去による学習という新しいパラダイムを提案した。
(2)機械学習・機械発見のための知識表現体系に関しては、新たにニューラルネットワークを取り上げ、1層パーセプトロンに対して、十分広い角錐状の引き込み領域を導出し、それに基づいた学習アルゴリズムを提案した。また、二分決定グラフを扱い、近似アルゴリズムの理論に基づいて、その学習の困難さを証明した。
(3)PAC学習による機械発見に関しては、仮説生成に必要な質問の回数に関する解析を行い、効率よく学習できるクラスを同定した。
(4)発見支援環境と大規模データからの機械発見に関しては、パターン言語状の決定木とアルファベット化を仮説の表現として用いる機械発見システムBONSAIとその並列版BONSAI Garden、さらに領域予測のためのシステムHAKKEを開発し、アミノ酸データを用いた計算機実験を行い、これらのシステムの有効性を検証した。また、数値データからの微分方程式の学習・発見の研究を発展させた。
|
