Deep Symbolic Regressionを用いた区分的関数同定手法

カテゴリ: 部門大会

論文No: TC4-3-6

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Piecewise Symbolic Regression using Deep Learning Approach

著者名: 藤橋 洋紀（横浜国立大学）,針谷 亘輝（横浜国立大学）,中田 雅也（横浜国立大学）

著者名(英語): Hironori Fujihashi (Yokohama National University),Nobuki Hariya (Yokohama National University),Masaya Nakata (Yokohama National University)

キーワード: Deep Symbolic Regression|区分的関数同定|Deep Symbolic Regression|Piecewise Symbolic Regression

要約(日本語): 関数同定問題は所与のデータセットを説明する数理モデルを同定する問題であり、Deep Symbolic Regressionなどの深層学習を用いた方法が近年盛んに研究されている。しかし、殆どの既存手法は、真の数理モデルが不連続関数に従う区分的関数同定問題を考慮していない。そこで本稿では、Deep Symbolic Regressionを用いた区分的関数同定手法を提案する。提案手法では、事前定義した区分毎にDeep Symbolic regressionを適用し、同定誤差に応じて区分を調整することで、区分的な数理モデルを獲得する。実験では、不連続関数を高い精度で同定できることを示す。また、訓練データのサンプル数の変更に伴う性能比較を行い、今後の手法改良の方針を示す。