EQuation Learnerを用いた多次元データセットに適用可能な区分関数同定手法

カテゴリ：部門大会

論文No：TC4-1-3

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Piecewise Symbolic Regression using EQuation Learner for Multidimensional Datasets

著者名：藤橋 洋紀（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),Masaya Nakata (Yokohama National University)

キーワード：区分関数同定,EQL,Piecewise Symbolic Regression,EQuation Learner

要約(日本語)：関数同定問題は、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、解釈性が高いモデルを獲得できることから、実社会データセットへの適用が進められている。しかし、既存の関数同定手法の多くは、連続的な数理モデルの同定を前提としており、区分的な構造を持つ数理モデルの同定が困難である。また、EQL(EQuation Learner)を活用した区分関数同定手法であるP-EQL(Piecewise-EQL)は１次元のデータセットに限定されており、多次元の関数同定に課題がある。そこで本稿では、P-EQLを拡張し多次元のデータセットに適用可能な区分関数同定手法を提案する。提案手法は、EQLによる関数同定機構と次元毎に部分領域を調整可能なニューラルネットワークベースの部分領域調整機構をエンドツーエンドに学習する。ベンチマーク問題を用いた実験では、提案手法が既存の関数同定手法を上回る性能であることを示す。

本誌掲載ページ：183-189p

原稿種別：日本語

PDFファイルサイズ：445Kバイト