帰納的な問題解決と演繹的な問題解決を融合する知的学習型システムに関する研究

归纳与演绎相结合的智能学习系统研究

• 批准号: 12750366
• 负责人: 鈴木 賢治
• 金额: $ 1.41万
• 依托单位: Aichi Prefectural 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: 2000
• 资助国家: 日本
• 起止时间: 2000 至 2001
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-12750366/
• 关键词: 学習型システム; 判断獲得; 帰納的獲得; 演繹的処理; 医用システム; ニューラルネット; 学習型画像処理; 知的システム

本研究は,医師の認識・判断の帰納的獲得と医学的知識や既存の処理との相互交換が可能な新しい学習機構を搭載した知的学習型医用画像診断システムの実現を目指し,以下の検討を行った.脳における例からの帰納的学習のモデルとしてニューラルネットを採用し,前年度において検討した仕組み(処理機構の帰納的獲得と既存の処理による表現)を活用し,知識として蓄えられたデータを既存の処理により表現することにより、両者の融合を試みた.処理機構の帰納的獲得では,視覚系のモデルを参照して,ニューラルネットをベースとしたモデルを構築した.このモデルにより,医師の判断する臓器(具体的には心臓左心室)を医用画像から抽出する処理を学習により獲得することができるようになった.次に,このように学習により獲得した処理から,冗長な処理及び構造を除去し,主要要素に構造化する手法を開発し,これに対して解析を行うための検討を行った.次に,主要要素を既存の処理により表現するための検討を行った.その結果,獲得された医師の判断アルゴリズムは1次の関数では近似不可能であり,少なくとも2次以上の非線形関数が必要であることが分かった.これらの検討により得られたモデルと知見を活かし,帰納的学習と既存の処理を組み合わせることができる学習機構を構築した.その結果,両者を同時に組み合わせて利用することができるようになった.今後,帰納的に獲得した知識と既存の処理を,同時に利用できるだけでなく,交換することが可能な機構に発展させることが望まれる.

は this study, the physician の know, judge の 帰 of gain と medical knowledge や existing の 処 Richard と の exchanging が may な new し い learning institutions を carry し た known portrait of learning medical diagnosis シ ス テ ム の be presently を refers し, the following の 検 line for を っ た. 脳 に お け る example か ら の 帰 of learning の モ デ ル と し て ニ ュ ー ラ ル ネ ッ ト を USES し, before the annual に お い て beg し 検 た み blackstone group (処 manage institution の と 帰 na acquired existing の 処 Richard に よ る) し を, knowledge と し て え storage ら れ た デ ー タ を existing の 処 Richard に よ り performance す る こ と に よ り, struck の fusion を try み た. で 処 manage institution の 帰, acquired は, regard 覚 is の モ デ ル を reference し て, ニ ュ ー ラ ル ネ ッ ト を ベ ー ス と し た モ デ ル を build し た. こ の モ デ ル に よ り, の doctors determine whether the す る viscera (specific に は crucial heart left ventricle) を medical portrait か ら spare す る 処 reason を study に よ り get す る こ と が で き る よ う に な っ た. に, こ の よ う に learning に よ り get し た 処 Richard か ら, lengthy な 処 and を remove し び structure, main elements に structured す る gimmick を open 発 し, こ れ に し seaborne て parsing line を う た め の 検 line for を っ た. を に, main elements existing の 処 Richard に よ り performance す る た め の 検 line for を っ た. そ の results, obtain さ れ た の doctors determine whether the ア ル ゴ リ ズ ム は 1 の masato number で は approximate impossible で あ り, less な く と も above 2 times の nonlinear masato number が necessary で あ る こ と が points か っ た. こ れ ら の beg に 検 よ り must ら れ た モ デ ル と knowledge を live か し , 帰 learning と existing の 処 Richard を group み close わ せ る こ と が で き る learning institutions を build し た. そ の results, who struck を み に group at the same time close わ せ て using す る こ と が で き る よ う に な っ た. In the future, 帰 na に get し た knowledge と existing の 処 を, at the same time に using で き る だ け で な く, exchange す る こ と が may な institutions に 発 exhibition さ せ る こ と が hope ま れ る.

项目成果

K.Suzuki,I.Horiba,and N.Sugie: "A Simple Neural Network Pruning Algorithm with Application to Filter Synthesis"Neural Processing Letters. 13・1. 12 (2001)

K.Suzuki、I.Horiba 和 N.Sugie：“应用于滤波器合成的简单神经网络修剪算法”神经处理快报 13・1.12 (2001)。

K.Suzuki,I.Horiba,and N.Sugie: "An Approach to Synthesize Filters with Reduced Structures Using a Neural Network"Quantum Information II. (2000)

K.Suzuki、I.Horiba 和 N.Sugie：“使用神经网络合成精简结构滤波器的方法”量子信息 II。

K.Suzuki,I.Horiba,and N.Sugie: "Edge Detection from Noisy Images Using a Neural Edge Detector"Neural Networks for Signal Processing, IEEE Press. X. 487-496 (2000)

K.Suzuki、I.Horiba 和 N.Sugie：“使用神经边缘检测器从噪声图像中进行边缘检测”信号处理神经网络，IEEE Press。

K.Suzuki, I.Horiba, N.Sugie: "A Simple Ncural Network Pruning Algorithm with Application to Filter Synthesis"Neural Processing Letters. 13・1. 43-53 (2001)

K.Suzuki、I.Horiba、N.Sugie：“一种简单的神经网络剪枝算法及其在滤波器合成中的应用”神经处理快报 13・1 (2001)。

K.Suzuki,I.Horiba,and N.Sugie: "Training under Achievement Quotient Criterion"Neural Networks for Signal Processing, IEEE Press. X. 537-546 (2000)

K.Suzuki、I.Horiba 和 N.Sugie：“根据成就商数标准进行训练”信号处理神经网络，IEEE 出版社。