权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

思考・推論への順逆モデルアプローチ

思考和推理的正向-反向模型方法

基本信息

批准号：
08279236
负责人：
石川眞澄
金额：
$ 0.9万
依托单位：
Kyushu Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
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

项目摘要

分担者の提案した段階的正則化により思考・推論の順逆モデルの構築が可能であることを、簡単なデータを用いて実験的に確認する。まず認知心理学における概念形成で用いられるBrunerのデータを用いる。これは対象の個数、枠の数、形、色という4個の属性を持つ数個の図に対し、ある概念の正事例か負事例のいずれかが与えられている。ここでは連言的概念と選言的概念の2種類を用いた。なお正事例か負事例かという二つのクラスへの分類なので、強化学習と教師付き学習が実は等価である。いずれの概念例でも段階的正則化により、当初は粗い近似的規制を、次に正しい規則を発見することができた。次にUCIの機械学習用データベースにあるレンズのデータを用いた。これは年齢、近視/遠視、乱視の有無、涙腺異常の有無の4属性データに基づき、ハードコンタクトレンズ、ソフトコンタクトレンズ、コンタクトレンズが不適という3クラスへの分類を行う24個のデータからなる。ただ単なる強化学習のみでは規則を見つけることは不可能なので、ここでも途中から正則化を導入する。この場合は問題が複雑なので、誤差のある程度小さくなるまで通常の強化学習を300回繰り返し計算を行い、その後90回の繰り返し計算で、3個の近似的規則が求まった。これで24データ中21個が説明可能である。次により小さな正則化パラメータを用いて150回の繰り返し計算により、正しい9個の規則が求まった。複雑な課題では順逆モデルを各々求めるための繰り返し計算回数も多いが、それほど複雑な課題でなければ数十回程度の繰り返し計算で済む。これにより、思考・推論などの高次処理を順逆モデルの枠組みでモデル化することの可能性が示唆された。

The regularization of the stage of the proposal of the contributor, the construction of the forward and backward directions of the inference, the confirmation of the construction of the backward and forward directions of the inference, the confirmation of the construction of the backward and forward directions of the inference, the confirmation of the construction of the backward and forward directions of the inference, and the confirmation of the construction of the backward and forward directions of the inference. Cognitive psychology is a field in which concepts are formed. The number, shape and color of the opposite image are four attributes. The concept of the opposite image is positive. The concept of the opposite image is negative. The concept of continuous speech and the concept of selective speech are used in two kinds. Positive cases Negative cases Reinforcement learning Teachers pay for learning The concept of "regularization" in the first place is similar to that of "regularization" in the second place The next UCI machine learning is used to There are four attributes: age, myopia/hyperopia, blurred vision, abnormal color glands. There are 24 attributes: basic color, soft color, soft color, and uncomfortable color. Reinforcement learning is not a rule, but an impossibility. Regularization is introduced. In this case, the problem is complex, the error is small, the usual reinforcement learning is 300 cycles, the calculation is 90 cycles, and the approximate rule is 3. 21 of the 24 In the second place, the regularization method is used to calculate the 150-loop return method, and the 9-loop rule is used to calculate the return method. The number of cycles is calculated according to the number of cycles. The possibility of higher order processing, such as thinking, reasoning, and so on, is demonstrated.