| 研究概要 |
研究実績は以下のとおり.
1.平成13,14年度に試作した文脈特定型知識獲得法と事例からの帰納推論による知識獲得法を統合したデモシステムの一層の性能向上を図った.とくに,環境変化として知識源とデータの分布が共に変化し,不要な知識を削除しつつ新しい環境に適応する過程の性能向上を図るため,削除の対象となる知識として,1)矛盾していると同定された知識と,2)矛盾はしていないが汎化能力を高めるために削除すべきと判定された知識の2種類を区別し,かつ,これらの知識が同定されたら無条件に削除するのではなぐ現在までに構築された決定木とそれを用いて誤判定されたデータの合計の記述長の相対値が減少する場合にのみ削除する方法を提案した.多くの性質の違うデータセットで性能を評価し,従来法と比べて統計的検定により有意な性能向上があることを確認した.
2.入出力インターフェイス部の理解容易性,使用容易性を多数のデータで評価し,推論部,知識獲得部と統合し,公開用デモシステムとして完成させた.ユーザの要求に応じ,推論処理過程の細部を表不したり,構築された決定木の全部や注目する一部のみをズーム機能で概観できるよう配慮されている.これにより,なぜこのような推論結果になったのか,なぜ,予想した結果にならないのかなどが容易に理解できるようになった.
3.平成14年度に提案した正の反例のみを用いる論理式の双対化(Duali zation)を用いて極小な事例べース推論を学習するための手法に,極小被覆計算を用いた極大頻出集合の列挙アルゴリズムを導入し,その双対化計算の効率を向上させた.
|
