文献

J-GLOBAL ID：201502207492241877   整理番号：15A1324211

許容誤差を自己適応可能な学習分類子システム

A Learning Classifier System that Adapts Accuracy Criterion

著者 (6件)： 辰巳嵩豊 (電通大) ,  小峯嵩裕 (電通大) ,  中田雅也 (電通大) ,  中田雅也 (日本学術振興会) ,  佐藤寛之 (電通大) ,  高玉圭樹 (電通大)
資料名： 進化計算学会論文誌(Web)  (Transaction of the Japanese Society for Evolutionary Computation (Web))
巻： 6  号： 2  ページ： 90-103(J-STAGE)  発行年： 2015年 
JST資料番号： U0291A  ISSN： 2185-7385  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 学習分類子システム(LCS)は,生物の進化と学習の概念を取り入れた環境適応システムで,強化学習と遺伝的アルゴリズムからなる。LCSは最適な分類子集団を学習することで,環境内の各状態に対して獲得報酬を最大化する適切な行動を選択できる。雑音環境下において最適な分類子の獲得を促進すべく,許容誤差を自己適応可能な学習分類子システム(XCS-SAC)を提案した。分類子のパラメータとして許容誤差を加えることで,異なる状態ごとに異なる雑音強度に対して適切な許容誤差を設定できるフレームワークを導入した。さらに,獲得報酬の標準偏差を元に正確な分類子を識別する方法を提案した。ベンチマーク問題である6-Multiplexer問題にガウス雑音とAlternative雑音を加え,雑音環境下における提案手法の性能を評価した。その結果,1)標準偏差を考慮した正確な分類子識別法は,従来の報酬予測誤差に基づく識別法より高い精度で正確な分類子を識別できる,2)XCSの機構である包摂を促進することによって,分類子を削減できることがわかった。

シソーラス用語： *強化学習 ,  *遺伝的アルゴリズム ,  *分類 ,  *適応系 ,  パラメータ ,  標準偏差 ,  Gauss雑音 ,  性能評価 ,  ベンチマーク ,  予測誤差 ,  評価基準
準シソーラス用語： 分類子 ,  許容誤差 ,  自己適応

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (14件)：

• [Butz 02] Butz, M. V. and Wilson, S. W. ,An algorithmic description of XCS, Soft Computing, Vol. 6, No. 3-4, pp. 144-153 (2002)
• [Butz 03] Butz, M. V., Sastry, K., and Goldberg, D. E. ,Tournament Selection: Stable Fitness Pressure in XCS, Genetic and Evolutionary Computation — GECCO 2003, pp. 1857-1869, Springer (2003)
• [Butz 04] Butz, M. V., Kovacs, T., Lanzi, P. L., and Wilson, S. W. ,Toward a Theory of Generalization and Learning in XCS, IEEE Transactions on Evolutionary Computation, Vol. 8, No. 1, pp. 28-46 (2004)
• [Butz 05] Butz, M. V., Goldberg, D., and Lanzi, P. L.,Gradient Descent Methods in Learning Classifier Systems: Improving XCS Performance in Multistep Problems, Evolutionary Computation,Vol. 9, No. 5, pp. 452-473 (2005)
• [Goldberg 89] Goldberg, D. E.,Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA, 1st edition (1989)

タイトルに関連する用語 (3件)： 許容誤差 ,  自己適応 ,  学習分類子システム