| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-01-13 10:50 STRIMの判別問題への適用とNN法との比較検討 ○Ji KAIXUAN・畠山智志・佐伯徹郎（山口大）・加藤裕一（島根大）  MSS2024-57 SS2024-36 |
|
| 抄録 | （和） | 我々は，ラフ集合領域で決定表と呼ばれるデータ集合から， このデータベースに潜むif-then ルールを従来のラフ集合手法で導出する問題点を指摘した上で，新たに決定表の発生モデル（データ発生モデル）とその統計的観点からのルール導出法: Statistical Test Rule Induction Method (STRIM) を提案した． STRIM の正当性や有効性は，データ発生モデルに基づく決定表に適用して検証した． 一般にルール導出法の有効性は，未知入力に対する出力を予測する判別問題に適用して確認される場合が多い．我々はこの観点からも拡張したSTRIM (ex-STRIM) を判別問題に適用して， その有効性を確認した． 本論文は具体的にデータ発生モデル下で，順伝搬型ニューラルネットワーク（Feedforward Neural Network (FNN)) 手法と修正したex-STRIM を判別問題に適用して，その判別成績や判別法の特性を比較検討した． 判別成績はデータに潜むルールや学習データ数に強く依存するが， 両手法は入力の条件付き確率分布を出力する共通の判別法を異なる手法で実現すること等，その共通性と差異を考察している． |
| （英） | After pointing out the problems of the conventional Rough Sets’ methods that induce if-then rules hidden in a dataset called the decision table (DT), we proposed a new model for generating the DT and developed a method, statistical test rule induction method (STRIM), for inducing rules in the DT from a statistical perspective. The validity and effectiveness of STRIM were confirmed by applying it to the DT generated based on the data generation model (DGM). In general, the effectiveness of the methods inducing rules is often confirmed by applying them to classification problems that predict outputs against new inputs. From this perspective, we applied an expanded STRIM (ex-STRIM) to a classification problem and confirmed its effectiveness. This paper applies a Feedforward Neural Network and a modified ex-STRIM to the classification problem under the DGM and compares their classification performance and features as a classification method. Although the classification results strongly depend on the latent rules in the dataset and the number of learning datasets, the similarities and differences between the two methods are discussed; for example, both methods use different approaches to realize a conditional probability distribution of the output, given the input. | |
| キーワード | （和） | 決定表 / If-Then ルール / 判別問題 / 統計的検定 / 順伝播型ニューラルネットワーク / / / |
| （英） | decision table / if-then rule / classification problem / statistical test / feedforward neural network / / / | |
| 文献情報 | 信学技報, vol. 124, no. 325, MSS2024-57, pp. 76-81, 2025年1月. | |
| 資料番号 | MSS2024-57 | |
| 発行日 | 2025-01-05 (MSS, SS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MSS2024-57 SS2024-36 |
|
| 研究会情報 | |
| 研究会 | MSS SS |
| 開催期間 | 2025-01-12 - 2025-01-13 |
| 開催地（和） | 鹿児島大学郡元キャンパス |
| 開催地（英） | |
| テーマ（和） | システム数理と応用，ソフトウェアサイエンスおよび一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MSS |
| 会議コード | 2025-01-MSS-SS |
| 本文の言語 | 日本語 |
| タイトル（和） | STRIMの判別問題への適用とNN法との比較検討 |
| サブタイトル（和） | |
| タイトル（英） | Application of the Statistical Test Rule Induction Method to Classification Problems and Comparisons with the Neural Network Method |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 決定表 / decision table |
| キーワード(2)（和/英） | If-Then ルール / if-then rule |
| キーワード(3)（和/英） | 判別問題 / classification problem |
| キーワード(4)（和/英） | 統計的検定 / statistical test |
| キーワード(5)（和/英） | 順伝播型ニューラルネットワーク / feedforward neural network |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Ji KAIXUAN / Ji Kaikuan / ジー カイケン |
| 第1著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 畠山 智志 / Tomoshi Hatakeyama / ハタケヤマ トモシ |
| 第2著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 佐伯 徹郎 / Tetsuro Saeki / サエキ テツロウ |
| 第3著者 所属（和/英） | 山口大学 (略称： 山口大) Yamaguchi University (略称： Yamaguchi Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 加藤 裕一 / Yuichi Kato / カトウ ユウイチ |
| 第4著者 所属（和/英） | 島根大学 (略称： 島根大) Shimane University (略称： Shimane Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-01-13 10:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | MSS |
| 資料番号 | MSS2024-57, SS2024-36 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.325(MSS), no.326(SS) |
| ページ範囲 | pp.76-81 |
| ページ数 | 6 |
| 発行日 | 2025-01-05 (MSS, SS) |
[研究会発表申込システムのトップページに戻る]