逆最適化問題へのニューラルネットワークアプローチ(機械学習)(<特集>人工知能分野における博士論文)

概要

論文の詳細を見る
本論文は, 生物の行動や人間の意思決定が何らかの合理性を有するという合理性仮説に基づいて, 実世界のデータを解釈する新しい方法論を提案する.すなわち現実のデータの背後に存在する評価関数を推定する課題を逆最適化問題と考え, 最適化の観点からデータを解釈する.この基本的なアイディアは, 最適化と逆最適化が同一のニューラルネットワーク構造で表現できるという双対性に着目し, ニューラルネットワーク学習により逆最適化問題を解くことにある.本論の前半において, 静的(逆)最適化の最適性条件を表現するニューラルネットワーク構造を提案し, データを解釈するためのさまざまな困難に対し, データからの制約条件の生成法, 評価関数の半正定性を保証する固有値修正法, 単純な評価関数を求める擬似対角学習法, 制約条件の効率的生成法, 非パレート最適なデータに関する近似的な解釈法を提案した.中古住宅, 賃貸住宅および賃金統計の例を取り上げ, 各実データに内在する意思決定者の合理的な評価基準を推定しその特徴を解釈した.本論の後半において, 動的逆最適化問題を解くニューラルネットワークの構造を提案し, 結合間に存在する同時決定的制約と評価関数行列の構造決定の困難に対し, 緩和的学習法と統計的検定による評価関数の構造決定法を提案した.計算機実験により, 簡単な制御系と所与の入出力時系列を対象とし, 観測ノイズがない場合には高い推定精度で評価関数が求められること, 観測ノイズがある場合にも評価関数の構造を正しく決定できることが確認できた.
2001-11-01

著者

章宏
九州工業大学大学院生命体工学研究科脳情報専攻

逆最適化問題へのニューラルネットワークアプローチ(機械学習)(<特集>人工知能分野における博士論文)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク