研究概要 |
人工知識の問題解決において,探索は常に鍵となる役割を果たしている.実験のアプリケーションにおいては,問題固有の知識を利用しながら探索を制御し,探索経路の組み合わせ的爆発に対する工夫を行うことが必要である.このような経験的な知識を利用した探索は,発見的探索アルゴリズムと呼ばれているが,そのパフォーマンスは個々の問題固有の性質に強く依存し,効率の良い探索技法の統一的な開発,解析が極めて困難である.この発見的アルゴリズムを計算論的学習理論の枠組みでとらえ,さらに具体的な問題を用いてその有効性を実証することを目標として研究を展開した. まず,実際的によく用いられている決定木の学習アルゴリズムを土台にして,重み付き分類規制を見つけるアルゴリズムを提唱した.計算機実験によってこの方式が時間的にも,また予測精度の点からも決定木のものと同等以上の性能を有することを検証した.そしてこの方式を健康科学のデータに適用してその有効性を確認した.さらに,例からの概念学習の可能性と不可能性を統一的に探るために,基本形式体系(Elementary Formal System)の学習可能性を調べた.また,遺伝子の破壊と強制発現によるデータから遺伝子ネットワークを同定する問題と,それを視覚化する問題を探索問題としてとらえ,この問題の計算量を解明し,実際の遺伝子発現プロファイルデータに対して適用を行った.さらに探索問題においては避けられない最も基本的な問題として文字列の照合問題について取り組んだ.ここでは圧縮されたデータからそのまま照合を行う問題を対象にしている.我々は辞書式データ圧縮法の統一的枠組み(Collage system)を提案し,この枠組みに対する照合アルゴリズムを開発した.このCollage systemは,現在使用されている主要なデータ圧縮法を統一的に表現することが可能である.
|