| 研究概要 |
本研究では,人工知能研究にける知識発見の基礎として,結論発見(consequence-finding)手続きを用いたアブダクションと帰納の計算方式を開発し,従来の知識発見では困難であった、不完全な知識の下での未知で有用な知識の発見手法の開発に取り組んでいる.研究期間は3年であり,2年目に当たる今年度は,以下の3点に分けて研究を進めた.
1.結論発見プログラムの効率化に関する研究とプログラム開発(井上・鍋島)
●結論発見プログラムとしてSOL導出を採用しているこれをが,Java言語で再インプリメントし,高速な手続きSOLAR(SOL for Advanced Reasoning)を開発した.SOLARには,探索における様々な枝刈り手法を組み込み,結論発見のみならず,定理証明においても世界最高速のものと比較し得るだけの性能を備える.
2.知識発見のための基礎理論構築と基本システム設計(井上・田川)
●アブダクションと帰納推論を融合して,不完全な知識の下での知識発見に向けた新しい計算理論を構築するために,結論発見手続きを用いたCF帰納法を提案してきた.今年度はCF帰納法の中で用いられる一般化手続きについて考察し,完全な一般化のための手法を考案した.
●観測された事例の中から導かれる性質を発見するために,記述的学習に関する論理的定式化を試みた.このために,非単調推論の一形式である極小限定(circumscription)の利用について考察した.
3.学習アルゴリズムの設計と評価(井上・田川・鍋島)
●上記2の学習理論を実現するためのアルゴリズムの設計,およびJava言語による実装を一部行った.
●SOL導出のバイオインフォマティクスへの応用について検討した.
|
