| 研究実績の概要 |
ICMLA2019に論文タイトル「Using Real-Coded Genetic Algorithms to Conduct Supervised Learning for Solving Classification Problems」で投稿をした。論文では、「教師あり学習（クラス分類）は階層型ニューラルネットワーク(NN)のみでなく実数値を探索空間としたするように拡張したアントコロニー最適化法(ACO-R),段階的探索空間局所化機能を有する実数値遺伝アルゴリズム(Real coded GA),共分散行列進化法(CMA-ES)でも実現できることを実験で検証した。UCI(University of California, Irvine)校に登録されているiris dataを用いた実験の結果、①ソフトマックス関数の線形式部は異なるものの、4つの全ての最適手法の平均正答率は148/150＝0.92～149/150=0.93と高正答率であること、②クロスエントロピーは全ての最適化手法で平均0.040を実現できており頑強性が強いこと③性能（コンピュータ時間）に関してはNNが最も優れており、ACO-R,Real Coded GA,CMA-ESの各手法の1/10倍～1/100倍の最適解探索速度となることを実験で確認できた」ことを報告した。しかし、今回は非採録となった（2名(reject):1名(accept))。非採録の理由は、実験空間が小さいこと（Iris-Data Set:150標本)、論点がしぼりきれていないとのことであった。実験空間をUCIのMLレポジトリデータ Heart-Disease, Breast-Cancer, Wine,Seeds, Winequality-red/white（合計7901標本)に拡張し、ACO-Rの教師あり学習への適用可能性を中心に検証中である。
|
