研究課題
本研究課題の目的は、決定論的な機械学習アルゴリズムではなく、特に、自然の営みの中で生物が行っている情報処理方法に範を求めたアルゴリズムを開発することにある。具体的には、確率共鳴現象と呼ばれる考え方を用いて、新規な学習アルゴリズムを開発することを目的としている。本研究では、有向グラフに逆伝搬を持つ辺を導入し、グラフ上でのラベル伝搬を利用した分類手法を開発した。この手法は、グラフが全連結でさえあれば到達性が保証されるうえ、グラフの構築に大きな計算量を必要としないため、データの更新にも強いアルゴリズムである。具体的には、逐次的にグラフ構造を更新させることができ、その場合でも高い分類精度が得られることを示した。さらに、グラフ構築時のパラメータに分類精度が依存しにくいことも示した。また、さらなる精度向上のため、半教師つき学習で用いられるCo-trainingの枠組みを導入し、より精度向上が図れることを確認した。評価実験では、多くの条件において、グラフを用いた手法においてもCo-trainingによって分類精度が向上することを示した。本研究課題では、確率共鳴に倣い確率的伝搬を提案したが、今後は、伝搬アルゴリズムの収束性について理論的に証明することを検討している。また、すべての有向辺に逆伝搬を付与したために、クラスタに属さないはずれ値などがあると、本来、辺が存在しないはずの部分グラフ間に伝搬経路ができてしまうという問題がある。したがって、どの辺にどの程度の逆伝搬を付与するかを検討する必要がある.
すべて 2008
すべて 雑誌論文 (1件) (うち査読あり 1件)
Discovery Science 2008, Lecture Notes in Artificial Intelligence 5255
ページ: 296-307
