実世界に耐えうる高速な機械学習の研究

研究能够承受现实世界的高速机器学习

• 批准号: 06780316
• 负责人: 山田 誠二
• 金额: $ 0.58万
• 依托单位: Osaka 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: 1994
• 资助国家: 日本
• 起止时间: 1994 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-06780316/
• 关键词: 人工知能; 機械学習; 実世界

AIの中で,一度解いた問題と類似した問題は,2度目からはより効率的に解くという学習機能を計算機上で実現する研究分野が,機械学習,特に効率化学習と呼ばれ,近年活発に研究されている.その分野における非現実な仮定のひとつが,「学習は問題解決とは独立して,オフラインで行ってよい」というものである.しかし,実世界ではオンラインで行わなければならず,学習にコストがかかっていたのでは,かえって学習しない方が速く問題を解けてしまう現象がおこっており,「効用問題」と呼ばれる重要課題になっている.この効用問題を解決し,実世界でも有効な学習システムを実現することが,本研究の目的である.この目的を達成するために,マクロ学習において高速な学習アルゴリズムを設計し,実験によりその有効性を検証した.(1)学習アルゴリズムの設計まず,高速な学習アルゴリズムを設計した.新しく得られたマクロオペレータを無選択に全部蓄える単純マクロ学習アルゴリズムを定義する.そしてそれを用いて,高速な学習アルゴリズムを設計した.(2)制約充足問題での実験次に,計算機上で学習システムを実装し,実験を行った.まず,マクロオペレータの生成において説明に基づく一般化法EBGにより,一般化を行うので,システム実装の言語として,Prologを採用する.対象領域として、地図の色分け問題という代表的な制約充足問題を採用した.実験では,学習なしシステムと,本研究で開発した学習システム,そして単純マクロ学習システムの3つに,同じ問題を連続して有限個与え,それらのパフォーマンスの優劣を調べた。

AI の で, once solution い た problem と similar し は た problem, 2 of them か ら は よ り に solution of unseen rate く と い う で を computer learning function be presently す eset が る research, machine learning, especially に sharper rate change learning と shout ば れ, in recent years, live 発 に research さ れ て い る. そ の eset に お け る not now be な 仮 set の ひ と つ が, "は problem solving learning と は alone Vertical し て, オ フ ラ イ ン で line っ て よ い "と い う も の で あ る. し か し, be world で は オ ン ラ イ ン で line わ な け れ ば な ら ず, learning に コ ス ト が か か っ て い た の で は, か え っ て learning し な い party が speed く を solutions け て し ま う phenomenon が お こ っ て お り," working with problem "と shout ば れ る important topic に な っ て い る . こ の working with problems を し, be world で も have sharper な learning シ ス テ ム を be presently す る こ と が, this research purpose の で あ る. こ の purpose を reach す る た め に, マ ク ロ learning に お い て high-speed な learning ア ル ゴ リ ズ ム を し design, be 験 に よ り そ の have sharper sex を 検 card し た. (1) learning ア ル ゴ リ ズ ム の design ま ず, な learn at a high speed Practice ア ゴリズムを ゴリズムを design た. New し く have ら れ た マ ク ロ オ ペ レ ー タ を no sentaku に all storage え る 単 pure マ ク ロ learning ア ル ゴ リ ズ ム を definition す る. そ し て そ れ を with い て, high-speed な learning ア ル ゴ リ ズ ム を design し た. (2) the restrictive enough problems で の be 験 に, study computer で シ ス テ ム を be し, be 験 を line っ た. ま ず, マ ク ロ オ ペ レ ー タ の generated に お い て illustrate に base づ く generalization method of EBG に よ り, generalized line を う の で, シ ス テ ム be loaded words の と し て, Prolog を using す る. For the な constraint sufficiency problem represented by the と て て problem in the field of と and the け problem of map color division け and the と う う う problem, the を is adopted. Be 験 で は, learning な し シ ス テ ム と, this research で open 発 し た learning シ ス テ ム, そ し て 単 pure マ ク ロ learning シ ス テ ム の 3 つ に, with じ problem を 続 し て finite and え そ れ ら の パ フ ォ ー マ ン ス の merits を adjustable べ た.