研究実績の概要 |
次世代データマイニング手法としての学習分類子システム(LCS)の基盤技術確立を目指して,昨年度は,(1)最適解ならびに準最適解の識別理論の構築ならびに(2)時系列データマイニングに適用可能なLCS(XCS-SL)を構築した 同識別理論は,最適解ならびに準最適解の獲得を数学的に保証するパラメータを導くものであり,導出されたパラメータを用いたLCSは,従来LCSの学習性能を飛躍的に向上させた.具体的には,従来LCSの必要学習回数を最大93%削減し,最大40%の分類精度の改善に成功している.一方,XCS-SLは,従来のLCSが適用不能であった時系列データマイニング問題(Sequence Labeling)における拡張手法であり,従来の既存機械学習手法と比べて,獲得解の解釈性を重視した知識獲得技術システムを実現した.また,学会誌2件(Evolutionary Intelligence, Springer: 2件),国内外学会発表3件(Genetic and Evolutionary Computation Conference:GECCO2015: 2件, 13th International Conference on Parallel Problem Solving from Nature (PPSN): 1件)において論文が採択ならびに発表を実施した.また,昨年度は、イギリス・ブリストル大学, Dr. Tim Kovacsのもとで5ヶ月,その後ニュージランド・ビクトリア大学ウェリントン, Dr. Will Neil Browneのもとで3ヶ月海外において研究活動を実施した.
|