| 研究課題/領域番号 |
06452405
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 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)
|
|---|
| 研究期間 (年度) |
1994 – 1996
|
| 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、学習リ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求し、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、以下の各項目について研究を展開してきた。
(1)機械発見の計算可能論理。まず、帰納推論の枠組みで機械発見の論理を展開し、K.Popperの科学者による科学的発見の論理と対照的に、計算機による機械発見においては、仮説空間自体の論駁可能性が、すなわち仮説空間の観測データによる棄却可能性が、本質的であることを明らかにし、そのような仮説空間で十分広いものが存在することを基本形式体系を用いて証明した。
(2)機械発見のための知識表現。科学技術における実験観測データのほとんどが数値データであるにも拘わらず、数値を直接扱う機械学習・機械発見については、体系的な研究がこれまでなされていなかった。本研究では、まず、実数の表現に至るまでの正確な基礎付けを行い、閉区間という表現系を用いて与えられた数値データから微分方程式を学習・発見する方式を研究開発し、有効性を確認した。これは、係数が閉区間で表されるため、一種の精度保証付きの仮説(この場合は、微分方程式)を発見するという、全く新しい方式を提案したことにもなる。
(3)PAC学習による機械発見。帰納推論に基づく機械発見の論理をPAC学習に基づく論理に一般化した。また、PAC学習可能性を示すVC次元に関して計算量理論の観点から詳細な理論を展開した。
(4)大規模データベースからの機械発見。アミノ酸配列等の遺伝子データを対象にした機械発見システムBONSAIを開発し、その並列化版BONSAI Gardenを開発し、実際の多くの領域で分子生物学上の知識の機械発見に成功した。また、これを領域予測のシステムとして発展させ、HAKKEというシステムを開発した。
|
