表現が精密化可能なデータを対象とするソフトウェアの始祖学習による構成

点击翻译按钮获取中文摘要

本年は,表現が精密化可能なデータとして実数を取り上げ,実数の表現(コード化)を用いて実数値関数を学習する始祖学習システムRealMISの構築を行った.そして,連続性を持つデータの始祖学習には,負例の提示と質問の利用が効果的であることを示した.本研究を開始する前に研究分担者の立木は,実数のGrayコード表現を用いると,論理プログラミング言語によって実数の計算が表現可能であることを示していた.この事実に基づいて,実数の近似表現となる論理式(項)に対する,精密化を定義した.すなわち,ある実数の近似値の精度が増すことを,精密化という論理的手法によってに表現可能とした.論理を用いたGayコードに基づく実数の近似値表現(Grayコード・パターンとよぶ)を入出力とする論理プログラムの始祖学習システムを構築するにあたっては,仮説の変更の他に,データの精度が上昇したことによる仮説の変更を認める必要がある.データの精度上昇は,Grayコード・パターンの精密化への代入によって表現されるが,これを例として用いると問題が生じる.すなわち,精度が低いときには正しいと考えられていた事実が,精度が高くなると,必ずしも正しくならなくなるという状況が生じる.そこで,Model Inference System (MIS)で用いられた質問と矛盾点追跡の組み合わせを,目標プログラムの探索だけではなく,例の精密化に対しても利用することにより,この問題を解決し,あるクラスの論理プログラムを推論するシステムRealMISを開発した.