| 研究概要 |
本年度は,遺伝的ファジィルール選択手法の並列分散実装において,学習用データの分割を部分個体群の個数よりも多くすることで,評価用データに対する汎化性能を悪化させることなく,大幅に計算時間が短縮できることを明らかにした.さらに,部分個体群毎に最良個体を抽出し,それらをアンサンブル識別器として利用する方法を提案した.部分データ集合の利用により若干劣化した汎化性能を改善し,非並列の遺伝的ファジィルール選択よりも汎化性能が高く高精度の識別器が獲得できることを明らかにした.本年度は並列分散実装をファジィ遺伝的機械学習手法にも適用した.ファジィ遺伝的機械学習手法は,ルールの条件部集合を直接最適化する方法であり,遺伝的ファジィルール選択よりも高精度な識別器が獲得できる可能性がある半面,計算時間が長くなるという特徴がある.数値実験を通して,遺伝的ファジィルール選択手法のようにCPUの個数の二乗倍高速化されることはないが,高精度の識別器がCPUの個数倍以上に高速に獲得できることを明らかにした.世代毎の部分個体群の進化の度合いを計測し,部分データ集合の交換による影響を調査した.データにより挙動が異なるため,更なる調査が必要である.
部分個体群間で個体の移住操作に関しても着手した.まだ多くの結果は得られていないが,汎化性能の改善に役立つ可能性があることが分かった.今後トポロジなどを変更し詳細に調査する予定である.
|
