| 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,最終年度に当たる今年度は,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・岩沼・鍋島)
結論発見プログラムとしてSOL導出を採用しているが,このプログラムは知識発見システムの中核となるために高速なものが必要となる.昨年度Javaにより開発したSOLARをさらに効率化するための推論方式について検討した.また,マルチエージェントシステム向きに開発したSOL-S(Γ)導出を一般化し,デフォルト論理における結論発見手続きについて考察した.
2.知識発見のための基礎理論構築(井上)
これまでに本研究において,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のための計算理論としてのCF帰納法を提案してきた.この方式に用いるための完全な一般化手法とSOL導出を用いた実現について考察した.また,記述的学習の極小限定による論理的定式化と計算手続きについても考察した.
3.推論・学習システムの設計と評価(井上・岩沼・鍋島)
上記2におけるCF帰納法を実現するためのアルゴリズムの設計と評価,およびJava言語による実装を行った.さらに,上記学習理論をアクション理論やバイオインフォマティクスに応用するための手法についても考察を行った.
|
