- 著者
-
西田 京介
島田 章平
石川 悟
山内 康一郎
- 出版者
- The Institute of Electronics, Information and Communication Engineers
- 雑誌
- 電子情報通信学会論文誌 D (ISSN:18804535)
- 巻号頁・発行日
- vol.J91-D, no.1, pp.51-64, 2008-01-01
オンライン学習を行うパターン分類システムにとって,学習対象の様々な変化に対応する能力は実世界問題を扱う上で必要不可欠である.特に,学習システムにとって重大な変化が突然発生した場合,すなわち,変化前の学習結果が新たな学習対象への適応を大きく阻害する場合には,変化をできる限り高速に検出して対応する必要がある.突然かつ重大な変化のみを正確かつ高速に検出可能な手法を実現するために,本研究では柔軟に様々な変化に対応できる人間に着目した.「最近の分類精度が高い状況で確信度の高い回答が短期間に連続して否定されるほど,人間は変化を高速に検出できる」という作業仮説を立てて行動実験を行い,得られた知見からLeaky Integrate-and-Fireモデルをもとにした手法を提案した.その有効性を検証するため計算機実験を行ったところ,ノイズがない場合とノイズや緩やかな変化が存在する場合の両方で,提案手法は従来手法よりも高い検出性能を実現できた.今後の課題は,問題に大きく依存するパラメータ値を学習中に自動で調整することである.