文献

J-GLOBAL ID：201902216781488567   整理番号：19A0161769

能動学習の基礎と材料工学への適用例

Introduction to Active Learning and Application to Material Engineering

著者 (4件)： 日野英逸 (統計数理研究所) ,  田口優介 (筑波大学) ,  上野哲朗 (量子科学技術研究開発機構) ,  小野寛太 (高エネルギー加速器研究機構)
資料名： まてりあ  (Materia Japan)
巻： 58  号： 1  ページ： 7-11(J-STAGE)  発行年： 2019年 
JST資料番号： F0163A  ISSN： 1340-2625  CODEN： MTERE2  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： ・本稿では,能動学習の問題設定と代表的なアプローチの説明,および具体的な材料科学への適用例を紹介。
・統計学の回帰分析の用語を用いて,入力を説明変数x,出力を応答変数yと呼び,xからyを予測する予測器f(x)を学習する問題設定,および能動学習を行う際に,発行するクエリの選択基準に関して3つの考え方を説明。
・クエリ(問い合わせ)選択の指針としての3つの手法,すなわち,不確実性サンプリング,期待モデル変化,分散最小化を説明。
・能動学習的な手法によって高効率化した例として,無機材料のX線回折パターン(ピーク位置)を説明変数として,鉄鋼の格子構造が面心立方格子構造,または体心立方格子構造であるかを判別する2クラス分類問題に適用した例を紹介。

シソーラス用語： 統計学 ,  回帰分析 ,  用語 ,  パラメータ ,  質問 ,  選択基準 ,  不確実性 ,  標本抽出 ,  期待値 ,  分散【variance】 ,  *材料科学 ,  事例研究 ,  *鉄鋼 ,  格子構造 ,  Gauss過程 ,  X線スペクトル ,  磁気モーメント ,  定量分析 ,  説明変数
準シソーラス用語： クエリー ,  サンプリング【統計】 ,  ロジスティック回帰 ,  応答変数 ,  最小化 ,  *能動学習 ,  予測器

著者キーワード (6件)： active learning ,  Gaussian process ,  material informatics ,  classification ,  regression ,  machine learning

分類 (2件)： 研究開発  (WA01040V) ,  人工知能  (JE08000Z)

引用文献 (6件)：

• (1) S.D. Silvey: Optimal Design: An Introduction to the Theory for Parameter Estimation, Chapman Hall, (1980).
• (2) D. Cohn, L. Atlas and R. Ladner: Machine Learning, 15(1994), 201-221.
• (3) B. Settles: Computer Sciences Technical Report 1648. University of Wisconsin-Madison, (2009).
• (4) T. Hastie, R. Tibshirani and J. Friedman: The Elements of Statistical Learning - Data Mining, Inference, and Prediction, Second edition. Springer, (2009).
• (5) C.E. Rasmussen and C.K. Williams: Gaussian Processes for Machine Learning, The MIT Press, (2005).

タイトルに関連する用語 (3件)： 能動学習 ,  基礎 ,  材料工学