|
時間的に変化する離散系を標準論理プログラムで記述し、その上での帰納推論方式を新たに考案し、状態遷移規則を学習するための方法論を提案する。基本方式として状態間の変位からブーリアンネットワークの状態遷移規則を自動的に学習するLFITを提案し、これをベースに様々な効率化や拡張方式を開発した。効率化にはBDDによる簡約化やトップダウン・アルゴリズムが、拡張には遅延効果・多値ドメイン・確率遷移を有するネットワークと非同期式更新が含まれる。LFITの応用では、遺伝子制御ネットワークやセルオートマトン学習、ロボットの行動規則学習、論理を自動的に学習する論理発見に適用した。
|
