財団法人 電力中央研究所

電力中央研究所 研究報告書(電力中央研究所報告)
[CRIEPI Research Report]

研究報告書「電力中央研究所報告」は当研究所の研究成果を取りまとめた刊行物として、昭和28年より発行されております。 一部の研究報告書はPDF形式で全文をダウンロードすることができます。 ダウンロードの際には、当サイトの利用規約を遵守の上ご利用ください。

※ PDFのファイルサイズが大きい場合には、ダウンロードに時間がかかる場合がございます。 ダウンロードは1回のクリックで開始しますので、ダウンロードが完了するまで、複数回のクリックはなさらないようご注意願います。

研究報告書 詳細情報
[Detailed Information]

報告書番号 [Report Number]
Y87016
タイトル
知識獲得のための機械学習
[Title]
MACHINE LEARNING FOR EFFECTIVE KNOWLEDGE ACQUISTION
概要 (図表や脚注は「報告書全文」に掲載しております)
知識ベースシステムのための知識獲得手段として,コンピュータ主体の学習(機械学習)が注目される。機械学習プログラムは,例題群を基に,より一般的問題を効率的に解くプログラムを出力する。知識獲得のための機械学習システムは,次の3つの要素を兼ね供えている必要がある。(1)帰納学習:提示された例題群についての一般的法則性を見出す機能。プログラム全体の集合からの望ましいプログラムの効率的探索が問題である。(2)演繹学習:基礎知識が既知の時,一々基礎知識まで遡ずに問題が解ける,効率的な知識を作成する機能。基礎知識を使っての例題の解法をガイドとして如何に効率的に知識を作成するかが問題である。(3)対話制御:効率的な知識獲得をするために専門家から適切な情報を得る機能である。例えば,適切な学習結果を速く得るために問題を作成し,それを専門家に解かせてみて人間にとって自然な解法を学習できるようにする。
[Abstract]
TO BUILD KNOWLEDGE-BASED SYSTEMS EFFECTIVELY,IT IS IMPORTANT TO DEVELOP NEW METHODS OF KNOWLEDGE ACQUISITION FROM HUMAN EXPERTS. ONE OF THE MOST PROMISING CANDIDATES IS THE APPLICATION OF MACHINE LEARNING TECHNIQUES. WE FIRST SURVEYS THE STATE OF THE ART OFMACHINE LEARNING. THE SURVEY REVEALS THAT THE MACHINE LEARNING SYSTEMSARE CLASSIFIED TO INDUCTIVE-AND DEDUCTIVE-SYSTEMS,AND THAT MOST EXISTING LEARNING SYSTEMS,HOWEVER,LACKS SOME INDISPENSABLE FUNCTIONS FOR KNOWLEDGE ACQUISITION. WE THEN DISCUSS THE IMPORTANT ITEMS TO UTILIZE MACHINE LEARNING TECHNIQUES FOR KNOWLEDGE ACQUISITION. THE ITEMS ARE SUMMARIZED AS FOLLOWS: (1)INDUCTIVE LEARNING FUNCTION FOR FINDING RULES TO CAPTURE REGULARITIES AMONG GIVEN EXAMPLES: IT IS ESSENTIALLY BASED ON SEARCHING ALGORITHMS THROUGH THE SET OF POSSIBLE RULE SETS. INDUCTIVE LEARNING SYSTEMS USUALLY FAILS TO CAPTURE PROPENRULES UNDER THE EXISTENCE OFERRORS IN GIVEN EXAMPLES. (2)DEDUCTIVE LEARNING FOR CONVERTING INITIALRULES TO MORE EFFICIENT ONES:ESPECIALLY. EBL(EXPLANATION-BASED LEARNING)METHODS EASILY MAKE AN EFFICIENT RULE APPLICABLE TO SIMILAR PROBLEMS FROM THE SOLUTION OF A GIVEN EXAMPLE BY THE INITIAL KNOWLEDGE(RULES). USUALLY DEDUCTIVE LEARNING MECHANISMS ARE ROBUST TO ERRORS IN EXAMPLES,HOWEVER,WEAK TO ERRORS ININITIAL RULES. (3)DIALOGUE CONTROL FOR GATHERING PROPER INFORMATION FROM HUMAN EXPERTS:PROPER DIALOG CONTROL MECHANISMS ACCELERATE THE CONVERGENCE OF THE LEARNING FROM HUMAN EXPERTS TO THE PROPER RULES. THE FOLLOWING RESEARCHES ARE REQUIRED FURTHER: (1)ENHANCEMENT OF DIALOGUE CONTROL (2)LEARNING MECHANISM REALIZING BOTH INDUCTIVEAND DEDUCTIVE LEARNING,WHICH IS ROBUST TO SOME ERRORS IN BOTH EXAMPLESAND INITIAL KNOWLEDGE.
報告書年度 [Report's Fiscal Year]
1987
発行年月 [Issued Year / Month]
1988/05
報告者 [Author]

担当

氏名

所属

篠原 靖志

経済研究所情報システム部知識処理研究室

矢澤 利弘

経済研究所情報システム部知識処理研究室

キーワード [Keywords]
和文 英文
知識獲得 KNOWLEDGE ACQUISITION.
機械学習 MACHINE LEARNING
帰納学習 INDUCTIVE LEARNING
演繹学習 DEDUCTIVE LEARNING
説明に基づく学習 EXPLANATION BASED LEARNING
Copyright (C)  Central Reseach Institute of Electric Power Industry. All Rights Reserved.