発見的探索アルゴリズムの理論と実働化

启发式搜索算法的理论与实际应用

• 批准号: 08780366
• 负责人: 篠原 歩
• 金额: $ 0.64万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1996
• 资助国家: 日本
• 起止时间: 1996 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-08780366/
• 关键词: 探索アルゴリズム; 学習可能性; 計算論的学習理論; パターン言語

人工知能の問題解決において,探索は常に鍵となる役割を果たしている.実際のアプリケーションにおいては,問題固有の知識を利用しながら探索を制御し,探索経路の組み合わせ的爆発に対する工夫を行うことが必要である.このような経験的な知識を利用した探索は,発見的探索アルゴリズムと呼ばれているが,そのパフォーマンスは個々の問題固有の性質に強く依存し,効率の良い探索技法の統一的な開発,解析が極めて困難である.この発見的アルゴリズムを計算論的学習理論の枠組みでとらえ,さらに具体的な問題を用いてその有用性を実証することを目標として研究を展開した.まず,複数の有力なアルゴリズムを統合して,よりパフォーマンスの高いシステムを構築するための手法として,重みつき投票アルゴリズム(WM)の拡張(WM^*)を行った.WMは,各アルゴリズムに予測を投票させ,その投票結果によって全体的な判断を下すものである.我々の拡張によるWM^*は,おのおののアルゴリズムが投票を棄権することを認めるものであり,直観的には,各アルゴリズムは自信のない予測については棄権によって発言権の低下を防ぐことができると期待される.実際に我々は,WM^*による予測の方がWMによる予測よりも原理的に優れていることを理論的に証明した.さらに,このWM*を組み込んだ領域予測システムHAKKEのプロトタイプを作成し,アミノ酸配列データからのαヘリックス部位と膜貫通部位の同定問題に対する計算機実験によって,この優位性を検証した.また,パターン言語の学習可能性を探究し,次のような知見を得た.(1)部分列言語の和集合のクラスは,非常に少ない所属性質問と等価性質問を用いて学習可能である.(2)部分列言語のクラスは,所属性質問のみで学習可能である.(3)パターン言語のある部分クラスは,1つの正例と非常に少ない所属性質問を用いて学習可能である.

Artificial intelligence can solve the problem of にお て て, explore the となる constant に key となる to harvest を results た て て る る る. Be interstate の ア プ リ ケ ー シ ョ ン に お い て は, problems inherent の knowledge を using し な が ら explore を royal し, explore 経 の group み close わ せ critical 発 に す seaborne る time line を う こ と が necessary で あ る. こ の よ う な 経 験 な knowledge を using し た explore は, see 発 exploration ア ル ゴ リ ズ ム と shout ば れ て い る が, そ の パ フ ォ ー マ ン ス は 々 の problems inherent nature の に く dependent し, good working rate の い exploration techniques の unified な 発, parsing が extremely め て difficult で あ る. こ の 発 seen ア ル ゴ リ ズ ム を calculation theory of the learning theory of の 枠 group み で と ら え, さ ら に specific な problem を い て そ の usefulness を card be す る こ と を target と し て study を started し た. ま ず, plural の Force な ア ル ゴ リ ズ ム を integration し て, よ り パ フ ォ ー マ ン ス の high い シ ス テ ム を build す る た め の gimmick と し て, heavy み つ き vote ア ル ゴ リ ズ ム (WM) の company, zhang (WM ^ *) line を っ た. WM は, each ア ル ゴ リ ズ ム に vote be を さ せ, そ の vote に よ っ て all な judgment under を す も の で あ る. I 々 の company, zhang に よ る WM ^ * は, お の お の の ア ル ゴ リ ズ ム が vote を abandon 権 す る こ と を recognize め る も の で あ り, straight 観 に は, each ア ル ゴ リ ズ ム は confident の な い be に つ い て は abandon 権 に よ っ て 発 said 権 の low を anti ぐ こ と が で き る と expect さ れ る. Be interstate に I 々 は, WM ^ * に よ る be の party が WM に よ る be よ り も principle of に optimal れ て い る こ と に を theory prove し た. さ ら に, こ の WM group * を み 込 ん だ field to measure シ ス テ ム HAKKE の プ ロ ト タ イ プ を し consummate, ア ミ ノ acid with column デ ー タ か ら の alpha ヘ リ ッ ク ス parts と の transmembrane parts might be asked Topic に す seaborne る computer be 験 に よ っ て, こ の primacy を 検 card し た. ま た, パ タ ー ン words の possibility し を inquiry learning, time の よ う な knowledge を た. (1) column words の and collection の ク ラ ス は, very less に な い belongs to nature asked と 価 properties such as ask を use い て learning may で あ る. (2) column words の ク ラ ス は, belongs to Nature asked の み で learning may で あ る. (3) パ タ ー ン words の あ る part ク ラ ス は, 1 つ の is example と very less に な nature ask を use い い belongs て learning may で あ る.

项目成果

S.Matsumoto,A.Shinohara H.Arimura,T.Shinohara: "Learning subsequence languages" =Modelling and knowledge Bases. (1996)

S.Matsumoto、A.Shinohara H.Arimura、T.Shinohara：“学习子序列语言”=建模和知识库。

S.Matsumoto,A.Shinohara: "Learning Pattern languages using queries" The 3rd Workshop on European Computational Learning Theory. (1997)

S.Matsumoto，A.Shinohara：“使用查询学习模式语言”第三届欧洲计算学习理论研讨会。

N.Furukawa,S.Matsumoto,A.Shinohara.et al.: "HAKKE : a multi-strategy prediction system for sequences" Genome Informatics 1996. 98-107 (1996)

N.Furukawa,S.Matsumoto,A.Shinohara.et al.：“HAKKE：序列的多策略预测系统” Genome Informatics 1996. 98-107 (1996)

K.Hirata,S.Shimozono,A.Shinohara: "On the Hardness of Approximating the Minimum Consistent OBDD Problem" Lecture Notes in Computer Science22GD02:1097. 112-123 (1996)

K.Hirata、S.Shimozono、A.Shinohara：“论近似最小一致 OBDD 问题的难度”计算机科学讲义22GD02：1097。