@phdthesis{oai:uec.repo.nii.ac.jp:00000914,
 author = {尾崎, 新斗 and Ozaki, Yoshito},
 month = {2016-09-15},
 note = {2013, 本論文ではソフトコンピューティングの概念に基づく機械学習手法であるインクドロップスプレッド(IDS) 法の新しい分割表現手法を提案し，その有効性を示す．ソフトコンピューティングは従来の精度の高い数値的な情報処理手法に対し，あいまいさを許容して過度な精密性の追求を避けることによって，柔軟性，頑健性，扱いやすさを活かすようにした柔軟な情報処理手法である．IDS 法はこのソフトコンピューティングの概念に基づき，対象システムの特性を，単純であいまいさのある複数の2 次元パターン情報に置き換え，それらのパターン情報をファジィ推論をもちいて統合し，対象システムのモデリングを行う手法である．IDS 法において複雑な対象システムをモデリングするためには，影響の強い入力を分割することで複数のパターン情報を作成する必要がある．このため対象システムの分割表現を決定する分割表現手法が提案されている．本論文では，まず2 章で他のソフトコンピューティング手法とその手法でもちいるパラメータの調整方法について述べる．ここではIDS 法の分割表現のような構造の探索方法について，他手法ではどのように行われているかに着目し，それぞれの手法について述べる．3 章ではIDS 法と既存の分割表現手法について述べる．4 章では提案する新しい分割表現手法であるヒューリスティックルールをもちいた分割表現手法と逐次分割表現手法について述べる．既存の分割表現手法では機械的に分割表現を作成，探索を行っていた．このため多くの計算時間が必要となり，過学習などの問題があった．そこでパターン情報から情報を抽出し，その情報を反映したヒューリスティックルールに基づく手法を提案する．また既存の分割表現手法では各入力毎に分割を設定していたため，分割どうしが影響してしまい不要な分割が発生していた．そこで逐次分割を行うことで，他の入力における分割を考慮して段階的に分割を決定する手法を提案する．5 章では提案手法の有効性を検証するために，既存の分割表現手法や，IDS 法以外の手iv法であるニューラルネットワークやサポートベクターマシンとの比較を行う．ここでは関数近似や分類問題に各手法を適用し，入力数や問題を変えながら提案手法の有効性について述べる．6 章では5 章の結果のまとめと考察について述べる．最後に7 章では，本論文全体を通してのまとめと今後の課題および展望について述べる．},
 school = {電気通信大学},
 title = {ソフトコンピューティングの概念に基づく機械学習手法としてのインクドロップスプレッド法の分割表現手法},
 year = {},
 yomi = {オザキ, ヨシト}
}