| 研究概要 |
本研究の目的は,例による学習の理論モデルである帰納推論の研究を通して,機械学習の実現可能性を探ることにある.
一般に,学習に用いられる例は,正のものと負のものに分類できる.言語(文法)の学習においては,正の例は,(文法的に)正しい文に相当する.実験から得られるデータのうち,ある形質などに関連すると判断・分類されるものは,その形質を説明する正の例と考えられる.本研究では,正例のみに基づく帰納学習の原理的限界を解明するとともに,実際の応用の観点から効率的帰納学習アルゴリズムを探究していく.
帰納学習の対象であるパターン言語はEFS(Elementary Formal System)というパターン上の論理プログラムによって自然な形で拡張することができる.本年度の研究では,その拡張であるEFS言語について効率的な処理系の実現を試みた.複数文字列を同時に検索できるという特徴をもつパターン照合アルゴリズムを活用することにより効率的なEFS言語処理系を実現することができた.これによりパターン推論や学習のさらなる効率化が期待できる.
|
