正データからの極限同定における極小言語戦略への精密化の適用 Building Refinement Operators into MINL Strategy in Identification in the Limit from Positive Data

この論文をさがす

著者

抄録

本研究の目標は,正データからの極限同定における極小言語戦略と精密化を結びつけ,新たに学習可能な概念空間を見出すことである.仮説空間上の精密化がある性質をもつことが,正データからの極限同定可能性のための十分条件となることを,学習問題によらない一般的な手続きを構成することで示す.この結果を用いて,木パターン言語の非有界和で学習可能な概念空間を始めて示す.さらにこの概念空間に対し,一般的な学習手続きに対する枝刈りを施すことで,多項式更新時間の学習手続きを示す.

The goal of this research is to find new classes that are identifiable in the limit from positive data, by building refinement operators into MINL strategy. We show a suffitient condition for identifiability, which consists of properties of a refinement operator on a hypothesis space. The proof is made up by constructing a generic algorithm which is independent from properties of specific domains. By applying this result, we show a class of unbounded unions of tree patterns which is identifiable. No previous research showed such a class. We construct a polynomial updating time algorithm for the class by eliminating redundancies of the generic one.

収録刊行物

  • 電子情報通信学会技術研究報告. AI, 人工知能と知識処理

    電子情報通信学会技術研究報告. AI, 人工知能と知識処理 107(523), 121-126, 2008-02-27

    一般社団法人電子情報通信学会

参考文献:  11件中 1-11件 を表示

各種コード

  • NII論文ID(NAID)
    110006782676
  • NII書誌ID(NCID)
    AN10013061
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    09135685
  • NDL 記事登録ID
    9458993
  • NDL 雑誌分類
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL 請求記号
    Z16-940
  • データ提供元
    CJP書誌  NDL  NII-ELS 
ページトップへ