学習過程における適応のモデル化とパターン認識における個人差の問題への応用

学习过程中的适应建模及其在模式识别个体差异问题中的应用

• 批准号: 05780276
• 负责人: 瀧本 英二
• 金额: $ 0.58万
• 依托单位: Tohoku 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: 1993
• 资助国家: 日本
• 起止时间: 1993 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-05780276/
• 关键词: PAC学習モデル; 計算学習理論; 適応; 情報圧縮; VC次元; 保存性; 単調性; サンプルの複雑さ

本研究はいわゆるPAC学習モデルに基づき,環境が変化していく状況のもとでの学習,すなわち,適応の論理的にモデルを確立し,適応アルゴリズムの性質を解明しようとするものである.適応アルゴリズムは,例題を1個ずつ入力する度に仮説を更新していく,いわゆるインクリメンタルな学習過程としてモデル化することができると考えられる.そこで,インクリメンタルな学習による概念形成過程の仕組みを,学習アルゴリズムの振舞いそのものに立ち入って解明しようとしてきた.まず,インクリメンタルな学習過程の重要な戦略として,例題の中に反例が生じない間はそれまでの仮説を更新しないという保存性の概念や,例題の数が増すに従って仮説の精度が増大するという単調性の概念に注目し,そのような性質を持つ学習アルゴリズムの概念形成過程を調べた.その結果,ある自然な条件のもとで,保存的,あるいは単調な学習アルゴリズムが出力する仮説は,与えられた例題系統の情報がある意味で圧縮された表現形式となっていることを示した.そのような仮説は,学習対象である概念の本質的な情報をよく捉えているとみることができる.また,単調で,かつ,常に目標概念に含まれる仮説を出力する,片側誤り学習アルゴリズムについて,学習に必要な例題数の上界を,新しく切辺集合(pargicle set)の概念を導入して評価した.この一般的に必要例題の上界を,目標関数のクラスが,n次元ユークリッド空間のn次元直方体からなるクラスの場合に適用して,これまで知られている上界を改良する上界を導くとともに,この上界が,定数の違いを無視すると下界に一致することをしめした.これらの結果は,インクリメンタルな学習アルゴリズムが,質の高い仮説を効率よく出力できることを示している.しかし,このアルゴリズムの適応の能力については,まだ解明されていない.今後は,本研究で示したアルゴリズムが,環境の変化に対してどの程度robustであるかを調べるとともに,適応可能性の妥当な定義を与える予定である.

This study aims to clarify the nature of PAC learning, to establish the logic of PAC learning, and to clarify the nature of PAC learning. For example, one entry is required to update the learning process and the next entry is required to update the learning process. The concept formation process of learning is organized, and the concept formation process of learning is organized. The importance of the learning process is discussed in detail. The number of examples is increased. The accuracy of the explanation is increased. The concept of uniformity is noted. The nature of the examples is adjusted. The concept formation process of learning is adjusted. The result is that the natural conditions are not changed, and the output is not changed. To learn the essence of the concept of the image, to learn the essence of the concept. The concept of objective is introduced into the evaluation of the upper bound of the number of examples necessary for learning. The upper bound of this general necessary example is applicable to the case where the object number is related to the n-dimensional cube of the n-dimensional space, and the upper bound of this necessary example is improved. The results of this study are: high quality, high efficiency, low output, low cost, low cost, low energy consumption, low cost, low energy consumption, and low energy consumption. In addition, the ability to adapt to the needs of the community is also important. In the future, this study will show that environmental change is related to the degree of robustness, and the possibility of adaptation is properly defined.

项目成果

Eiji Takimoto: "On the sample complexity of consistent learming with one-siden error" Algorithmic Learning Theory. 4. 265-278 (1993)

Eiji Takimoto：“关于带有单方面错误的一致学习的样本复杂性”算法学习理论。

Eiji Takimoto: "Consetvativeness and Monotonicity for Learning Algorithms" Computational Learning Theory. 6. 377-383 (1993)

Eiji Takimoto：“学习算法的保守性和单调性”计算学习理论。