| 研究概要 |
研究代表者(香田)はデータマイニングの新しい数理モデルを開発し,確率感度解析理論の適用によるニューラル・ネットワークの確率的学習アルゴリズムを提案した.研究成果の一部は学術論文"A New Stochastic Learning Algorithm for Neural Networks"(共著)としてJournal of the Operations Research Society of Japanに掲載された.また,大学院博士課程で指導をしているベルギーからの国費留学生と共同研究を進め,統計的に偏った学習データに対してブートストラップを用いたリサンプリング法を提案すると同時にBayes理論に基づく理論解析を行った.研究成果は留学生の博士論文にまとめられ,その一部が学術論文"Bootstrap Re-sampling for Unbalanced Data in Supervised Learning"(共著)としてEuropean Journal of Operational Researchに受理され印刷中である.
研究分担者の吉田武稔助教授(北陸先端科学技術大学院大学)とはデータマイニングの生産スケジューリングへの適用についての基礎的研究を実施して,部品のディスパッチングに関する相関ルールの抽出法についての結果を得た.研究成果は論文として取りまとめ中である.研究分担者の鈴木秀男講師とは,ブートストラップ法の品質管理への応用を研究して,工程分布形に依存しないブートスラップ管理限界線構成法を提案した.また,MDL情報量基準の生産工程における異常パターン発見に関する研究を行い,研究成果は学術論文"Recognition of Unnatural Patterns in Manufacturing Processes Using the Minimum Description Length Criterion"(鈴木著)としてCommunications in Statistics : Simulation and Computationに掲載された.
|
