| 研究概要 |
本研究では,多数のノードの動的な状態で情報を表現することを前提とした新しい情報基盤のコンセプトを提案し,提案するモデルでの情報の符号化法の開発を目指している.本年度は最終年度であるため,研究成果の論文誌への投稿に向け,研究成果をまとめることに主眼におき,1.多様な構造をもつデータからダイナミックスを抽出するための評価関数である多次元・階層化白色度の提案,2.拡張カーネル法に基づくデータストリームマイニング,3.ニューラルネットワークで表現された知識からの知識抽出の三つテーマについて研究を行った.1に関して,前年度提案した時空間白色度を,動画像のみに限定されない多様なデータ構造に拡張するための多次元・階層的白色度の提案を行った.拡張した白色度では,その構造に含まれる部分構造が階層的に情報を担っていると仮定し,構造データ全体の白色度を,部分構造の白色度によって再帰的に定義した.さらに,データの部分構造の各部分構造すべてが同じようにデータ全体の白色度に影響するとは限らないことも考慮した多次元・階層的白色度とした.2に関しては,動画像のダイナミックス以外のダイナミックに基づく情報の生成・抽出方法を提案するために,時間と共に複雑な変化を伴っている大規模データストリームに対して,カーネル法に基づくデータストリームの特徴を有効に活用した新しいカーネル法を提案し,従来手法を用いて解析することが困難であるクレジットカード利用履歴の大規模実データに提案手法を適用し,その有効性を示した.3に関して,昨年度提案したダイナミックスに符号化された情報の抽出を,複数の線型パーセプトロンから構成されるニューラルネットワークアンサンブル(集団)と競合学習手法を用いて,任意の非線形問題(知識)を複数の線型問題(定型の小知識)に分離できる手法を,1と2にも適用可能となることを示した.
|
