事例ベース推論におけるクリティカルな事例の発見

在基于案例的推理中查找关键案例

• 批准号: 11130202
• 负责人: 佐藤 健
• 金额: $ 1.22万
• 依托单位: Hokkaido University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas (A)
• 财政年份: 1999
• 资助国家: 日本
• 起止时间: 1999 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11130202/
• 关键词: 事例ベース推論; HYPO; 単調論理関数; クリティカルな事例; 事例圧縮; PAC学習

事例ベース推論による概念学習において,概念を表現するために必要最小限の事例の集合のことを,本研究ではクリティカルな事例の集合と呼ぶ.本研究の目的は,このクリティカルな事例集合を発見するための手法の提案およびその手法の理論的解析を行なうことと実際の応用分野への適用を行なってその有効性を検証することである.本研究の成果は以下である.未知の論理関数に関するクリティカルな事例ベースの近似構築法の提案 今まで我々が行なってきた集合の包含関係に基づく類似度を使った事例ベース推論により,1つの事例ベースは論理関数を表現する.このことから,未知の論理関数に対して,サンプリングおよび所属性質問を行なうことにより,クリティカルな事例ベースを近似する手法を提案した.上記手法のPAC学習による解析 事例の集合に確立分布を導入することにより,上記手法のPAC学習による解析を行なった.それによれば,アルゴリズムの出力の事例ベースによる分類誤りがεを超える確率がδを超えないようにでき,さらに,論理関数fに対して,fを表現するのに必要な事例ベースの最小の大きさが,|DNF(f)|をfの選言標準形の最小サイズ,|CNF(f)|を連言標準形の最小サイズとしたとき,事例のサンプル数が,たかだか(1/εln1/δ)・|DNF(f)|・(1+|CNF(f)|)であり,アルゴリズム中で必要な所属性質問の数はたかだかn^2・|DNF(f)|・|CNF(f)|となる.

Example ベ ー ス inference に よ る concept learning に お い て, concept を expression す る た め に necessary minimum limit の case の collection の こ と を , this research ではククリティカルな Case Collection とHUぶ. The purpose of this study は, このクリティカルな Case Collection を発见するためのTechnology The analysis of the theory of the proposed technique and the application of the method and the validity of the proposal and the validity of the proposal The results of this research are as follows. Unknown theoretical close number and closed number. Proposal of approximate construction method for case study of とである Today's まで我々が行なってきたsetのinclude relationshipにbaseづくsimilarityをmakeったcaseベースInference により, 1 つのcase ベースは theory relationship をexpression する.このことから, unknown の论Reasonable number of problems The case study of the カルなベースをapproximation する technique を proposal した. The above mentioned technique のPAC learning による analysis The collection of cases and the establishment of the distribution are introduced and the techniques mentioned above are used for PAC learning. Analyze を行なった.それによれば, アルゴリズムの出力のcase ベースによる classification Error りがεを超えるAccuracy rate がδを超えないようにでき,さらに,Theoretical number fに対して,fをexpressionするのにnecessary caseベースの小の大きさが,|DNF(f)|をf's selected standard form's smallest サイズ,|CNF(f)|をcontinuous standard form's smallest サイズとしたとき,case's のサンプルnumberが,たかだか(1/εln1/δ)・|DN F(f)|・(1+|CNF(f)|)であり, アルゴリズム中でNecessaryな性questionのnumberはたかだかn^2・|DNF(f)|・|CNF(f)|となる.