機械学習における特徴抽出と分類に関する研究(機械学習)(<特集>人工知能分野における博士論文)

宮本 行庸

doi:10.11517/jjsai.16.6_867

<p>本論文は, 機械学習のために必要な特徴を抽出し, 状態空間を再構成して学習の効率化を図る手法について論じたものであり, 6章から構成される.第1章, 第2章の導入部に続き, 第3章では離散環境における特徴構成法と強化学習への統合手法について述べた.本研究は, 離散環境における事例の記述要素から, 論理演算子を用いた特徴構成法を用いて特徴を構成し, 状態空間を再構成して未知の状態への適応能力を高めるものである.実験では, 収束性の向上と蓄積状態数の削減という二つの観点より評価しており, 提案手法の有効性を示した.第4章では, 画像分類における特徴抽出とその利用について述べた.本研究は, 画像を表現する特徴を木構造ウェーブレット変換によって抽出し, 特徴の相関を表すグラフ構造を分類に必要な情報として利用するものである.実験により, 変換された画像特徴量の分布特性と, 特徴量を表す構造の導入による分類精度の向上が示された.第5章では, 実空間における知能ロボットのための特徴空間の構成法について述べた.本研究では, 知能ロボットの作業空間を目標物ごとに適切な経路に分割し, 目標物の位置の変化に対して柔軟な適応を目指している.実験では, 実空間におけるロボットの学習性能と, 変動する環境への適応という二つの観点より評価しており, 提案手法の有効性を示した.最後に第6章で本論文の結論と今後の展望を示した.</p>

機械学習における特徴抽出と分類に関する研究(機械学習)(<特集>人工知能分野における博士論文)

Search this article

Description

Journal

Keywords

Details 詳細情報について

Export

Report a problem