| 研究概要 |
学習対象を主に形式言語とし,学習を遂行するための具体例として,学習目標言語に属す正の例だけを利用する場合に,それを効率良く(即ち,多項式時間的に)学習を行なう幾つかのアルゴリズムを開発した.
先ず,正則言語を部分的に超える言語族を規定するオートマトンとして,実時間空スタック受理式決定性1カウンタオートマトンにおいて,推移規則が各入力記号に対して1個のみ存在する様なモデルを設定し,それについて,学習の各段階における更新時間,および学習完了までの更新回数が多項式的に極限同定出来る学習アルゴリズムを開発した.
次に,遺伝子組み換え操作を形式的にモデル化した,splicing systemと呼ばれる言語生成システムを対象とした学習アルゴリズムを考案した.この内,null context splicing languageと言う正則言語の部分族に対しては,それを正の例のみから,多項式更新時間および多項式更新回数で極限同定出来る学習アルゴリズムを提唱した.
また,学習対象を言語変換機にまで拡張し,それに上記の成果を生かした.即ち,学習対象を一般化順序機械ある種の条件を設けた場合について検討し,出力情報を有効に使用することによって,これを多項式時間で推論出来るアルゴリズムを考案した.
更に,学習における概念のクラスタ化について重要となる,無向グラフ中の最大クリーク(最大派閥)を高速に抽出するアルゴリズムを開発・評価し,その有効性を確認した.
|
