ブースティング技術を用いた知識発見アルゴリズムに関する研究

基于boosting技术的知识发现算法研究

• 批准号: 11130203
• 负责人: 天野 一幸
• 金额: $ 1.34万
• 依托单位: Tohoku 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-11130203/
• 关键词: ブースティング; 知識発見; Baum-Welch法; 隠れマルコフモデル; オンラインアルゴリズム

与えられた記号列から,それらを生成する確立が大きな隠れマルコフモデル(Hidden Markov Model, 以下HMM)を推定する,いわゆるHMM推定問題は,音声認識やアミノ酸系列の解析などに広く応用されている.これに関しては,従来,Baum-Welch法,Gradient Deacent法(GD法),相対エトンロピー法などに代表されるバッチ型手法に多く用いられてきた.対象とする問題の大型化に伴い,入力とする記号列の全てが同時にメモリに入りきらないケースが多く発生するようになり,これに対応すべく,一つずつ系列を入力して逐次的にHMMを更新してゆくオンライン型の手法が,近年特に要求されるところになっている.GD法,相対エントロピー法については,従来法をほとんどそのままオンライン型に拡張可能であったものの,Baum-Welch法のオンライン化については未解決とされてきた.本研究では,Baum-Welch法に,ブースティングの手法においてよく用いられる学習定数をHMMの更新速度を制御するものとして導入することにより,オンラインモデル下でも適用可能となるように拡張した.また,提案した手法が,推定対象にある条件を設けた場合には,GD法や相対エントロピー法をそのままオンラインモデルのもとで適用した場合よりも,優れた性能を持つことを計算機実験により検証した.更に,本手法は,時刻が進むにつれて対象となるHMMが変化してゆく場合において,これを追従して学習する能力を有することを確かめた.これは,バッチ型アルゴリズムには備わっていない能力であり,この点からも提案手法の優位性が確かめられた.

Hidden Markov Model, Hidden Markov Model, The following HMM) する, いわゆるHMM estimation problem は, sound recognition やアミノ acid series のANALYSIS などに広く応用されている.これに关しては,従来,Baum-Welch method,Gradient Deacent method (GD method), the representative method of the opposite The type of technique is a lot of use. A large-scale problem of the elephant and a big problem. A note of entry. No. of the whole series at the same time.これに対応すべく,一つずつ series を入力して successively update にHMMをしてゆくオンラインのtechnique, in recent years, the special requirements are されるところになっている.GD method, mutually exclusiveエントロピー法については,従来法をほとんどそのままオンラインTYPEに拡张可No problem, Baum-Welch method is not solvedとされてきた. This study is based on the Baum-Welch method and the hand法においてよく Use いられる to learn fixed numbers をHMM のUpdate speed をcontrol するものとしてImport することにより,オンラインモデル下でもAPPLICABLE となるように拡张した.また, proposal したtechnique が, presumption of object にある condition を assumption けた occasion には, GD method やIt is suitable for all kinds of occasions. ,Excellent performance and good performance of the computer are guaranteed. Update this technique at all times.が入むにつれて対向となるHMMが変化してゆくoccasionにおいて,これを Chase従してlearning ability を有することを正かめた.これは, バッチtype アルゴリズムにはThe ability of the preparation is the same, the point of the proposal is the superiority of the proposal, and the accuracy is the same.

项目成果

天野 一幸: "隠れマルコフモデルのオンライン推定"発見科学A03講演要旨集. 2巻2号. 60-67 (1999)

Kazuyuki Amano：“隐马尔可夫模型的在线估计”Discovery Science A03 摘要，第 2 卷，第 2 期。60-67 (1999)。

天野一幸: "ブール関数のフーリエ変換とその応用"電子情報通信学会誌. 82巻12号. 1270-1272 (1999)

Kazuyuki Amano：“布尔函数的傅立叶变换及其应用”，电子信息通信工程师学会杂志，第 82 卷，第 12 期。1270-1272 (1999)。