文献

J-GLOBAL ID：202102217177295510   整理番号：21A1781942

パターン認識と法則発見のデータサイエンス

DATA SCIENCE FOR PATTERN RECOGNITION AND LAW DISCOVERY

著者 (1件)： 宮本崇 (山梨大学 工学域スマート社会基盤創造研究ユニット)
資料名： AI・データサイエンス論文集(Web)  (Artificial Intelligence and Data Science (Web))
巻： 1  号： J1  ページ： 270-277(J-STAGE)  発行年： 2020年 
JST資料番号： U2325A  ISSN： 2435-9262  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： パターン認識はデータから一定の特徴や規則を抽出する処理であり,深層学習などの機械学習手法によって高度に達成されているタスクである.深層学習によるパターン認識の本質は,適切な特徴空間の中で表現されるデータ分布を大規模かつ高精度に学習・内挿することにあると一般に考えられているが,データの得られていない領域における外挿能力や,我々の持つ事前知識や直観に反しない計算過程を同様の枠組みによって実現できるかどうかは今だ解決していない問題である.本稿では,データの背後にある法則を発見することによって自然な計算プロセスを構築し,外挿や予測に用いようとするデータ駆動モデルに関する,現在の研究動向と今後の発展性を論じる.(著者抄録)

シソーラス用語： *パターン認識 ,  法則 ,  科学 ,  データフロー制御 ,  方程式 ,  機械学習 ,  計算モデル ,  予測 ,  推論 ,  内挿法 ,  外挿法 ,  定式化 ,  最適化問題 ,  データ駆動
準シソーラス用語： データサイエンス ,  支配方程式

著者キーワード (4件)： データ駆動モデル ,  予測と推論 ,  法則発見 ,  支配方程式

分類 (1件)： パターン認識  (JE07000S)

引用文献 (32件)：

• 1) Kitchin, R.: Big Data, new epistemologies and paradigm shifts, <i>Big Data & Society</i>, Vol. 1, No. 1, pp. 1-12, 2014.
• 2) LeCun, Y., Bengio, Y. and Hinton, G.: Deep leaning, Nature, Vol. 521, pp. 436-444, 2015.
• 3) He, K., Zhang, X., Ren, S. and Sun, J.: Deep Residual Learning for Image Recognition, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2016, pp.770-778, 2016.
• 4) Duan, Y., Chen, X., Houthooft, R., Schulman, J. and Abbeel, P.: Benchmarking Deep Reinforcement Learning for Continuous Control, Proceedings of the 33rd International Conference on Machine Learning (ICML) 2016, pp.1329-1338, 2016.
• 5) Cha, Y.-J., Choi, W. and Büyüköztürk, O.: Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks, Computer-Aided Civil and Infrastructure Engineering, Vol.32, Issue. 5, pp.361-378, 2017.

タイトルに関連する用語 (4件)： パターン認識 ,  法則 ,  発見 ,  データサイエンス