ニューロデータマイニングによるゲノムデータベースからの知識発見

使用神经数据挖掘从基因组数据库中发现知识

• 批准号: 12208041
• 负责人: 林 陽一
• 金额: --
• 依托单位: Meiji University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas (C)
• 财政年份: 2000
• 资助国家: 日本
• 起止时间: 2000 至 2001
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-12208041/
• 关键词: データマイニング; ルール抽出; ニューラルネットワーク; 知識発見

<背景と目的>背景としてはヒトゲノムデータベースから何らかの意味のあるルールを明示的に抽出するには、いったいどのような方法が現実的であろうか?というのが出発点である。<検討結果>今現在、プログラムが可能なニューラルネットワークからのルール抽出(rule extraction)アルゴリズムを用いて実際の肝胆道系疾患のデータベース(536人分)からルールの抽出が実際に現実的な時間で行えるかを、Sun Ultra 80(4 cpu)1GB memory(速度約10Gflops)で行ってみた。対象にしたのは以下の6つのアルゴリズムであり、上記データベースでのテスト(未学習)データを対象に時間と精度を比較する。FERNN 時間 4:01(分) 精度 82.3%Neuro Linear 時間 45:34(分) 精度 90.2%Mlp21n 時間 5:52(分) 精度 68.2%Abe's Method 時間 0.08(秒) 精度 77.9%BIO-RE 時間 123.54(秒) 精度 70.78%Partial-RE 時間 10.20(秒) 精度 76.68%上記を見るとAbe's Methodが群を抜いて高速なことがわかるが、この方法は、いわゆるrule extractionを行っているとは言い難く、ルールは得られたものの、前件部がn次元直方体にはいっているなら等の直感的なでないものになってしまう。上記の中ではPartial-RE、BIO-REも良さそうに見えるが、アルゴリズムの後処理(カルノ-図をルールに変換する)が難しく、結局FERNNが総合的に見て良好である。また、上記のアルゴリズムのどれが容易に並列化(Parallelization)かという点が重要だが、今年度は研究時間と超並列計算機の手当ができなかったので今後の検討課題としたい。

<Background and Purpose> Background and Purpose> Background and Purpose and Purpose The point of departure is the point of departure. <Evaluation results> Today, it is possible to use the Prolog tool to extract rules from real-time data of hepatobiliary diseases (536 people). The extraction of rules can be carried out in real time, and the Sun Ultra 80(4 cpu)1GB memory(speed of about 10Gflops) is very fast. The following six categories of objects are included in the image. FERNN Time 4:01(min) Accuracy 82.3%Neuro Linear Time 45:34(min) Accuracy 90.2%Mlp21n Time 5:52(min) Accuracy 68.2%Abe's Method Time 0.08(sec) Accuracy 77.9% BIO-RE Time 123.54(sec) Accuracy 70.78% Partial-RE Time 10.20(sec) Accuracy@6.68% of the above notes see Abe's Method The antecedent part is composed of n-dimensional rectangular body, such as straight sense, etc. In the above note, it is difficult to see the partial RE, BIO-RE and other good results in the post-processing of the system, and it is good to see the integration of FERNN. This year's research on parallel computers is an important topic for future research.

项目成果

Mitra,S.: "Neuro-Fuzzy Rule Generation : Survey in Soft Computing Framework"IEEE Trans.on Neural Networks. 11・3. 748-768 (2000)

Mitra, S.：“神经模糊规则生成：软计算框架调查”IEEE Trans.on 神经网络 11・3 (2000)。

Buckley,J.J.: "Fuzzy Hierarchical Analysis Revisited"European Journal of Operational Research. 129・1. 48-64 (2001)

Buckley, J.J.：“模糊层次分析重温”《欧洲运筹学杂志》129・1 (2001)。

Duch,W.: "Eliminators and Classifiers"Proceedings of 7^<th> International Conference on Neural Information Processing (ICONIP'2000), November 14-18,2000,Taejon,Korea. 1029-1034 (2000)

Duch,W.：“消除器和分类器”第 7 届国际神经信息处理会议 (ICONIP2000) 会议记录，2000 年 11 月 14-18 日，韩国大田。

Duch,E.: "Fuzzy and Crisp logical rule extraction methods in application to medical data"Fuzzy Systems in Medicine (Szczepaniak,P.s.at al.Eds.), Springer Verlag (Studies in Fuzziness and Sot Computing). Vol.41. 593-616 (2000)

Duch,E.：“应用于医疗数据的模糊和清晰逻辑规则提取方法”医学模糊系统（Szczepaniak，P.s.at al.Eds.），Springer Verlag（模糊性和 Sot 计算研究）。

Hayashi,Y.: "A comparison between two neural network rule extraction techniques for the diagnosis of hepatobiliary disorders"Artificial Intelligence in Medicine. 20・3. 205-216 (2000)

Hayashi, Y.：“两种神经网络规则提取技术用于诊断肝胆疾病的比较”医学人工智能 20・3（2000）。