| 研究課題/領域番号 |
15K00333
|
|---|
| 研究機関 | 福井大学 |
|---|
研究代表者 |
村瀬 一之 福井大学, 学術研究院工学系部門, 教授 (40174289)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | ニューロファジィ / 多元数 / クラス分類 / 関数近似 / オートエンコーダー |
|---|
| 研究実績の概要 |
1990 年代に提案され種々の改良などが行われてきたニューロファジィ学習法では、入力数などに応じてルール数が爆発的に増大してしまい、計算（学習）時間が増加したり精度が低下する。我々はこれまでに収束が速く精度の高い複素および4 元数への拡張した誤差逆伝播学習法を提案し関数近似問題で良好な結果を得た。そこで本研究では、実データを用いた数値実験などにより、①多元数ニューロファジィでクラシファイヤーが構築できるのか、②多数例（Majority）に対する少数例（Minority）の比が小さいインバランスなビッグデータなどからのルール抽出ができるのか、③得られたファジィルールから有意義なIF THEN ルールが得られるのか、にチャレンジすることを目的とした。
昨年度に引き続き、多元数ニューロファジィを関数近似やクラス分類問題にて評価を行った。また、当初からニューロファジィのオルタネティブとして提案していた、多元数ニューラルネットワークの深層学習による特徴量抽出の可能性や、ビッグデータに相応しいオンライン学習の可能性も追求した。
今年度に行った関連する成果発表は次の通りで、国際論文誌と国際学会に投稿した。
①簡略化多元数ニューロファジィ学習法を開発し関数近似やクラス分類問題にて評価し良好な結果を得た。
②インバランスなデータをクラス分類できる多元数ニューラルネットワークを開発し、その性能をベンチマークその他で評価し良好な結果を得た。
③多元数畳込みニューラルネットワークを開発しクラス分類問題で評価し良好な結果を得た。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究で開発した多元数ニューロファジィ、多元数オートエンコーダー、インバランスなデータに対応できる多元数ニューラルネットワークなどが、それぞれ、良好な結果を示した。これは、本研究が最終的な目標とする、ビッグデータからのルール抽出と、飛躍的な計算時間短縮や精度向上に貢献すること大である。
|
| 今後の研究の推進方策 |
以下の点に注力する。
①引き続き、考案したアルゴリズムをビッグデータやインバランスなデータに適用し、その有効性を検証する。
②当初からニューロファジィのオルタネティブとして提案していた、多元数ニューラルネットワークの深層学習による特徴抽出の可能性と、ソーシャルネットワーク解析の可能性も追求する。
|
| 次年度使用額が生じた理由 |
国際会議参加費において誤差が生じた。
|
| 次年度使用額の使用計画 |
29年度に米国での国際会議に出席予定でその経費として、また、消耗品費等としても使用する。
|
