高速演算と知識獲得を可能とした深層ファジィ推論モデルの構築

点击翻译按钮获取中文摘要

ディープラーニングは様々な分野で良好な結果が得られているものの、入出力構造の解釈は難しく、解釈性の研究が盛んに行われている。一方、ファジィ推論モデルはIf-Thenルールを使用するため人間が直観的に理解しやすいモデル構造になっている。しかしながら、入力数が膨大になると、たとえIf-Thenルールで表現されていたとしても、人間が理解しやすいものとは限らない。このことから今年度は深層ファジィ推論の解釈性を向上させるため、少数入力からなる深層モジュラーファジィモデルの提案を行い、医療診断へ応用を行った。提案モデルは少数入力のルール群で構成されているためルール数は少なく、また人間が理解しやすいモデル構造となっている。また少数入力にすることにより推論精度が落ちることが考えられるが、深層構造により精度を保ったまま人間の理解しやすい推論モデルを提案することができた。提案モデルは前層からの出力を次層の入力の一つとしているが、これは時系列モデルにも有効であることが期待される。このことから本研究では不完全情報ゲームとして知られる人狼ゲームに対し、時系列問題とみなして深層ファジィ推論による役職を行った。また、役職推定については単出力では必ずしも良好な結果が得られるとは限らないことから、多出力型深層ファジィ推論モデルを提案し、役職推定に適した推論モデルを提案した。その結果、時系列データである人狼ゲームにも精度良く対応し、役職推定についても有効でかつ人間に理解しやすいルールを獲得することができた。