| 研究課題/領域番号 |
17H00763
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
井上 克巳 国立情報学研究所, 情報学プリンシプル研究系, 教授 (10252321)
|
|---|
| 研究分担者 |
坂間 千秋 和歌山大学, システム工学部, 教授 (20273873)
沖本 天太 神戸大学, 海事科学研究科, 准教授 (10632432)
Nicolas Schwind 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (60646397)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | 推論 / 機械学習 / 知識表現 / 関係学習 / 表現学習 / 状態遷移 / 制約最適化 |
|---|
| 研究実績の概要 |
本研究では、時間的に変化する系の関係ダイナミクスを状態遷移列の観測から学習・推定し系の説明や予測に適用するために、(1)関係ダイナミクス学習理論の構築、(2)スケーラブルな関係ダイナミクス学習方式の開発、(3)ダイナミック環境におけるチャレンジ問題への適用、の主要３テーマを設定している。平成29年度は(1),(2)について課題を洗い出し、(3)で複数の問題への適用可能性を検討した。
(1)関係ダイナミクスを学習するための「解釈遷移からの学習(LFIT)」について、従来はブール値を取る変数ベクトルで表される状態の遷移について考えたが、多値や連続ドメインの変数ベクトルの状態遷移が扱えるように拡張した。また人間の言語行為に伴う信念の状態変化を因果理論で形式化し、論理プログラミングを使って表現する方法を導入した。
(2)従来のLFITは論理計算に基づいていたが、新たな方式としてニューラルネットワークを用いて学習能力の向上を図った。また論理プログラミングで高速推論を実現するために、プログラムを３次元テンソル空間で表現し線形代数的に計算する新しい計算モデルを導入した。
(3)関係ダイナミクスを学習する題材として、生体ネットワーク学習、行動規則学習、提携構造形成(CSG)や信念翻意ゲーム(BRG)における学習等について検討した。生体ネットワーク学習では、遺伝子制御ネットワーク構築のためのDREAMチャレンジ問題も解いた。CSGについては、エージェントの不確実な振る舞いを考慮した確率的提携構造形成問題の枠組みを提案した。またダイナミック環境において複数の評価基準を考慮した多目的最適化アルゴリズムを開発し、公平性と最適性を同時に考慮した麻酔科医スケジューリングに応用した。さらに動的環境におけるレジリエンスに関する取り組みとして、回復可能性の概念を入れたチーム形成問題を定義した。
|
| 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
本研究はおおむね順調に遂行しており、(1)「関係ダイナミクス学習理論の構築」で従来開発していたLFITの機能を拡張している。また、(2)「スケーラブルな関係ダイナミクス学習方式の開発」において、(1) で拡張した機能をすぐさま実現するとともに、従来のLFIT機能についても性能を大幅に改善している。ニューラルネットワークによるLFITの実現についてもいくつかの手法を試しながら知見を得ている。さらに、(3)「ダイナミック環境におけるチャレンジ問題への適用」において、DREAMチャレンジを解くことで性能評価を行ったが、指標によっては性能が出ない場合もあり新たな研究課題として設定している。ダイナミック環境に関係するレジリエントなシステムの設計と応用についても取り組んでおり、新たに多くの問題設定を可能にすることで研究の幅を拡大している。
|
| 今後の研究の推進方策 |
引き続き、3つのサブテーマの各々について，より複雑な学習を可能にするための理論構築、シンボリックまたはニューラルな学習システムとして実現、関係ダイナミクスに関連する応用への適用と各応用における新たな問題設定の拡充を図っていく。特にダイナミック系におけるレジリエンスとして、擾乱に強く回復力があるような制約系や情報伝達系をどのように設計するかという点が重要であり、本研究課題のダイナミクス学習を取り入れることで、レジリエントなシステム設計の方法論の一部として整備を続けて行く予定である。
|
| 備考 |
井上研究室ホームページ
http://research.nii.ac.jp/il/
|
