[논문]共生進化に基づく帰納論理プログラミングの予測精度の向上

大谷 紀子; 大和田 勇人

doi:10.1527/tjsai.17.431

共生進化に基づく帰納論理プログラミングの予測精度の向上
Using Symbiotic Evolution to Improve the Predictive Accuracy for Inductive Logic Programming 원문보기

人工知能學會論文誌 = Transactions of the Japanese Society for Artificial Intelligence, v.17 no.4, 2002년, pp.431 - 438

大谷紀子 (東京理科大学) , 大和田勇人 (理工学)

Abstract ▼ AI-Helper

This paper describes a method for optimal hypothesis search in Inductive Logic Programming(ILP). The method is based on symbiotic evolution, a variant of genetic algorithm (GA), for improving the predictive accuracy in classifying unknown examples. Progol, the representative ILP system, employs a refinement operator and finds an optimal hypothesis which subsumes the most specific hypothesis. Progol focuses on a hypothesis which has maximum explanatory power for training data. However, ILP systems should be evaluated by their explanatory powers for unknown data. In contrast, the proposed method produces a hypothesis using symbiotic evolution, which maintains and evolves two populations: a population of partial solutions to the problem and a population of complete solutions which are formed by grouping several partial solutions together. Symbiotic evolution can conduct balanced optimization of partial solutions and complete solutions. We postulate that the diversity of the results in GA increases the fitness to unknown data. We have developed an ILP system called ILP/SE, which uses symbiotic evolution for the hypothesis search task and uses the learning algorithm of Progol for the other task. ILP/SE judges the class of unknown data by majority using multiple hypothesises obtained in repeated execution. Experiments were conducted to show the performance of ILP/SE using the mutagenesis dataset. The result indicates that the ILP/SE approach outperforms the previous method using Progol for classification accuracy.

주제어

참고문헌 (19)

[Anglano 98] Anglano,C. and Giordana,A. and Bello,G.L. and Saitta,L. : An Experimental Evaluation of Coevolutive Concept Learning, Proceedings of the 15th International Conference on Machine Learning, pp. 19-27 (1998)
[Augier 95] Augier,S. and Venturini,G. and Kodratoff,Y. : Learning first order logic rules with a genetic algorithm, Proceedings of the 1st International Conference on Knowledge Discovery and Data Mining, pp. 21-26 (1995)
10.1007/3-540-44797-0_3 [Braud 01] Braud,A. and Vrain,C. : A Genetic Algorithm for Propositionalization, Proceedings of the 11th International Conference on Inductive Logic Programming, Lecture Notes in Artificial Intelligence, No.2157, pp. 27-40 (2001)

상세보기
0022-2623 Journal of Medicinal Chemistry 34 2 786 1991 10.1021/jm00106a046

상세보기
0912-8085 人工知能？？誌 FURUKAWA KOICHI 12 5 655 1997

상세보기
Evolutionary Computation Giordana, A. and Neri, F. and Saitt 3 375 1996 10.1162/evco.1995.3.4.375

상세보기
10.1007/3-540-44797-0_5 [Hoche 01] Hoche, S. and Wrobel, S. : Relational Learning Using Constrained Confidence-Rated Boosting, Proceedings of the 11th International Conference on Inductive Logic Programming, Lecture Notes in Artificial Intelligence, No.2157, pp. 51-64, (2001)

상세보기
0912-8085 人工知能？？誌 MIZOGUCHI FUMIO 12 5 675 1997

상세보기
Machine Learning Moriarty, D. E. and Miikkulainen, R 22 11 1996

상세보기
10.1109/ICEC.1998.699793 [Moriarty 98] Moriarty, D. E. and Miikkulainen, R. : Hierarchical Evolution of Neural Networks, Proceeding of IEEE World Congress on Computational Intelligence, pp. 428-433 (1998)
0288-3635 New Generation Computing MUGGLETON S 13 3/4 245 1995 10.1007/BF03037227

상세보기
1064-5462 Artificial Life Paredis,J. 2 355 1996 10.1162/artl.1995.2.4.355

상세보기
[Potter 95] Potter, M. A., and De Jong, K. A. and Grefenstette, J. : A Coevolutionary Approach to Learning Sequential Decision Rules, Proceedings of the 6th International Conference on Genetic Algorithms, pp. 366-372, (1995)
0288-3635 New Generation Computing QUINLAN J R 13 3/4 287 1995 10.1007/BF03037228

상세보기
10.1007/3-540-61863-5_42 [Quinlan 96] Quinlan, J. R. : Boosting first-order learning, Proceedings of the 7th International Workshop on Algorithmic Learning Theory, Lecture Notes in Artificial Intelligence, No.1160

상세보기
Machine Learning Sebag, M. and Rouveirol, C. 38 41 2000 10.1023/A:1007629922420
Evolutionary Computation Smith, R. E. and Forrest, S. and Pe 1 127 1993 10.1162/evco.1993.1.2.127

상세보기
[Srinivasan 95] Srinivasan, A. and Muggleton, S. H. and King,R.D. : Comparing the use of background knowledge by two Inductive Logic Programming systems, Proceedings of the 5th International Workshop on Inductive Logic Programming, pp. 199-230 (1995)
[Tamaddoni 01] Tamaddoni-Nezhad, A. and Muggleton, S. : Using Genetic Algorithms for Learning Clauses in First-Order Logic, Proceedings of the Genetic and Evolutionary Computation Conference, pp. 639-646 (2001)

원문 보기

AccessON 원문보기

원문 URL 링크

DOI : 10.1527/tjsai.17.431 [무료]
Japan Science and Technology Information Aggregator, Electronic : 저널> 권호 > 논문 [무료]
AccessON : 저널

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증