| 題名 | 属性の重要度を考慮した適応共鳴理論に基づく分類規則の学習 |
| 著者 | *那須 曜 (広島市立大学大学院情報科学研究科), 上田 祐彰, 高橋 健一, 宮原 哲浩 (広島市立大学) |
| Page | p. 239 |
| Keyword | 分類, 適応共鳴理論, マッチトラッキング, カテゴリ統合, 属性 |
| Abstract | 適応共鳴理論を応用した2種類の分類規則学習手法，ARTMAPEDおよびARTMAPAWを提案する．ARTMAPEDはユークリッド距離に基づいたクラスタリングによって分類規則を学習する手法であり，分類規則の汎化としてカテゴリ統合手法が実装されている．ARTMAPAWは各属性の重要性を考慮できるようにARTMAPEDを改良した手法である．属性の重要性は分類規則の汎化と特殊化によって更新される．最後に提案手法，C4.5による実験結果を提示し，ARTMAPAWは他の手法よりも分類の精度が高く，かつ規則数の少ない分類学習が行えることを示す． |
| 題名 | PCクラスタを用いたProfit Sharingの並列化手法 |
| 著者 | *串田 正幸 (広島市立大学大学院情報科学研究科), 高橋 健一, 上田 祐彰, 宮原 哲浩 (広島市立大学) |
| Page | pp. 240 - 241 |
| Keyword | 強化学習, Profit Sharing, 並列モデル |
| Abstract | 強化学習は試行錯誤を通じて環境に適応していく学習制御の枠組みである．しかし，強化学習は知識のない状態から試行錯誤により学習を行うため学習に時間がかかる．つまり，膨大な量の計算を要する．また，近年，高性能で安価なパーソナルコンピュータPCを手に入れることができるようになっている．そこで，膨大な計算量を必要とする処理を高速に実行するための方法の一つとして，複数のPCを用いて計算量を分割し，並列に処理させる強化学習の並列化が提案されている．本研究では，強化学習の代表的な手法のひとつであるProfit Sharingを用いた並列型強化学習手法を提案し，逐次型Profit Sharingとの性能比較を行う． |
| 題名 | 木構造パターンを用いた糖鎖データの特徴抽出における遺伝的プログラミングの適用 |
| 著者 | *長嶺 将俊, 宮原 哲浩 (広島市立大学大学院情報科学研究科), 久保山 哲二 (東京大学国際・産学研究センター), 上田 祐彰, 高橋 健一 (広島市立大学大学院情報科学研究科) |
| Page | p. 242 |
| Keyword | GA, 木構造パターン, 糖鎖 |
| Abstract | 糖鎖はDNAとタンパク質に続く3番目に重要な生体分子である．糖鎖データは木構造データとみなすことができる. 本研究では遺伝的プログラミングを用いて糖鎖データから特徴的な木構造パターンを抽出する手法を提案する．実験では4つの血液成分に関与する糖鎖データleukemia,erythrocyte,plasma,serumを対象とする．そのうち,leukemiaに関与する糖鎖データを正事例とし,それ以外のデータを負事例とする.これらのデータから特徴的な木構造パターンを抽出することを目的とする.結果として,leukemiaに関与する糖鎖データの全体的な特徴を示す木構造パターンが抽出できたことを示す. |
| 題名 | 遺伝的プログラミングに対するベイジアンネットワークの適用 |
| 著者 | *三倉 有喜 (広島市立大学大学院情報科学研究科), 宮原 哲浩, 高橋 健一, 上田 祐彰 (広島市立大学) |
| Page | p. 243 |
| Keyword | GP, ベイジアンネットワーク, 最適化 |
| Abstract | 進化的アルゴリズムは最適化問題や，探索問題を解くために使われている．本研究は，遺伝的プログラミングの交叉，逆位のオペレータによる個体生成を，ベイジアンネットワークを用いた確率分布による生成に変更した進化的探索手法を提案し，その有用性について考察することを目的とする．ベイジアンネットワーク構築の際の親候補選択法として識別子制限付き手法,およびBOAを参考にしたBOA参考手法を提案する． 実験結果より，提案手法は解が短い染色体では良い結果を得ることができ，解が長い染色体では，その有用性が確認できなかった． |
| 題名 | アーチェリーの射形へのクラスタリング手法の適用 |
| 著者 | *原 圭司 (広島市立大学大学院情報科学研究科), 高橋 健一, 上田 祐彰, 宮原 哲浩 (広島市立大学) |
| Page | pp. 244 - 245 |
| Keyword | クラスタリング, k-means, c4.5 |
| Abstract | 近年、計算機の発達とネットワークの整備により、大規模データを収集、蓄積することが可能になった。そのため、収集したデータを解析して、データの中から価値のある知識を発見することが可能になった。クラスタリングは、知識発見のための、重要なデータ解析手法の1つである。 一方、アーチェリーという射的競技は、矢を射るための「射形」という動作が存在する。射形は競技者の技量によって異なり、得点に大きく影響を及ぼしていることが知られている。本研究では、アーチェリーの射形に対してクラスタリング(k-means法)と分類技法(c4.5)を適用し、競技者の技量を射形によって分類する。本研究の目的は、射形のどの部分に注目すればよいのかを発見し、アーチェリーの技術向上に役立てることである。 |
| 題名 | PaLM-treeを用いたサッカーエージェントの最適行動規則の獲得 |
| 著者 | *秦 佑輔 (広島市立大学大学院情報科学研究科), 上田 祐彰, 高橋 健一, 宮原 哲浩 (広島市立大学) |
| Page | p. 246 |
| Keyword | 決定木, 回帰木, 強化学習, エージェント |
| Abstract | RoboCupサッカーシミュレータを用いて，攻撃側サッカーエージェントがゴールを達成するための行動規則の獲得を試みる．ここでは，PaLM-treeにより各基本行動（パス，ドリブル，シュート）の実行条件と，各基本行動を実行する上でのより低コストで最適なパワーを同時に獲得することが目標となる．今後，この手法をC4.5，Sarsa，Actor-Criticアルゴリズムを応用した手法との比較実験を行うことが挙げられる．さらに，エージェントの視覚情報から得られたデータを用いて，より学習者の立場に近い環境での実験を行うことも課題として残っている． |