素朴な分類子を対象とした多数決制度による遺伝的機械学習の性能向上に関する予備的調査

カテゴリ: 部門大会

論文No: TC1-6

グループ名: 【C】平成26年電気学会電子・情報・システム部門大会講演論文集

発行日: 2014/09/03

タイトル(英語): A Preliminary Study on Improvement of Genetics-Based Machine Learning Methods by Majority Voting over Primitive Classifiers

著者名: 稲元 勉(愛媛大学),樋上 喜信(愛媛大学),小林 真也(愛媛大学)

著者名(英語): Tsutomu Inamoto(Ehime University),Yoshinobu Higami(Ehime University),Shinya Kobayashi(Ehime University)

キーワード: 遺伝的機械学習|多数決|マルチプレクサ問題マルチプレクサ問題|genetics-based machine learning|majority voting|multiplexer problem

要約(日本語): 本稿では，多数決制度が遺伝的機械学習の性能に与える影響を調べることを目的として，MichiganスタイルおよびPittスタイルの手法の6ビットマルチプレクサ問題に対する性能が，多数決制度を組み込むことでどのように変化するかを調べた結果を報告する．本稿で検討する多数決制度は，その対象が LCS や SVM といったある程度の性能を有する分類器ではなく，遺伝的機械学習で操作される，はるかに性能の低い分類子である点が特徴的であると考えている．Michiganスタイルの手法としては基本的な Boole を，Pittスタイルの手法としては MGG を組み合わせた素朴な手法を考慮する．計算の結果，多数決制度を組み込むことで，どちらの手法も性能が向上すること，およびドントケア記号の生起確率が高いほど性能向上の度合いが高い可能性が示唆された．

PDFファイルサイズ: 127 Kバイト