| 研究概要 |
正則言語のある部分クラスを定義し,それの正の例だけから極限同定を可能とする学習アルゴリズムを提唱した.この言語クラスは,従来において正の例だけから学習可能であることが明らかにされている言語クラスとは比較不能な新らしいクラスである.また,上記アルゴリズムの計算量解析を行い,学習の各段階における更新時間のみならず学習完了までの更新回数も含めて,それが多項式的な効率性を持っていることを明らかにした.更に,上記言語クラスを含む正則言語の幾つかの部分クラスに対して,正の例から極限同定を可能とする統一的な手法を提示した.
正則言語を部分的に超える言語クラスに関しても,ある種の決定性カウンタにより規定される言語クラスに対して,それを正の例だけから前記と同様の意味において多項式的に極限同定可能とする学習アルゴリズムを確立した.また,ある種のブール関数に対して,それをノイズのある例からでも近似学習可能とするための条件および手法について,実験的に幾つかの有効な手がかりを得た.
更に,蛋白質の構造予測問題なども例からの学習問題とみなして定式化することが出来,これを最大クリーク抽出アルゴリズムを基礎においた手法によって解いた.また,その手法を画像処理等の他の問題にも適用して成果を得た.ここで,大規模な実問題に対応出きるために,基礎となる厳密最大クリーク抽出アルゴリズムの高効率性が重要となり,その達成および幾つかの一般化を実現した.
|
