知識システム I
システム工学

知識システム I

知識の表現と学習
著者名 東京大学工学教程編纂委員会
青山 和浩
山西 健司
発行元 丸善出版
発行年月日 2018年04月
判型・装丁 A5 210×148 / 並製
ページ数 204ページ
ISBN 978-4-621-30289-7
Cコード 3350
ジャンル 電気・電子・情報工学 >  情報・コンピュータ >  機械学習・人工知能

内容紹介

人間社会、人工物ネットワーク、生活環境と自然などのさまざまなシステムの分析からデザイン、構築から運用までにかかる過程を支えている知識の役割を再確認しつつ形式的な知識の表現方法やその知識の学習、想像、利用のための技術と理論について述べる。

1章では、知的活動を高度化するうえで不可欠な知識表現について理解することを目的とする。一般的な情報モデルを知識の典型的な形式的記述の例として紹
介し、記述する対象の種類に応じた記述モデルの存在と特徴を理解する。2章では,機械学習の基礎について述べる。記述長最小原理に立脚し、統一的に現代の機械学習技術を整理して紹介する。また、機械学習はデータマイニングの中核技術であると位置づけられるが、特に発展の目覚ましい、異常検知、変化検知といったデータマイニング技術について紹介する。

 

目次

はじめに
1 知識の記述
1.1 情報モデルと知識モデリング
1.1.1 データ,情報,知識
1.1.2 データモデリングと知識モデリング
1.1.3 知識記述の課題
1.1.4 知識の記述対象の分類
1.1.5 知識のネットワーク表現

1.2 構造と機能の知識表現
1.2.1 実体関連モデル
1.2.2 意味ネットワーク
1.2.3 フレームモデル
1.2.4 オブジェクトによる知識表現
1.2.5 オントロジーによる知識表現

1.3 機能と挙動の知識表現
1.3.1 機能とプロセスに関する知識表現
1.3.2 因果関係の知識記述.
1.3.3 因果関係と定性推論
1.3.4 離散事象モデルとペトリネット
1.3.5 ペトリネットによる連続鋳造プロセスの知識表現と利用

1.4 まとめ

2 知識の学習
2.1 機械学習とは
2.1.1 パラメータ推定:最尤推定法
2.1.2 パラメータ推定:Bayes 推定法
2.1.3 教師あり学習と教師なし学習

2.2 モデル選択
2.2.1 情報量規準
2.2.2 符号,情報,確率
2.2.3 確率的コンプレキシティ
2.3 教師なし学習とクラスタリング
2.3.1 混合モデルとEM アルゴリズム
2.3.2 Markov 連鎖Monte Carlo 法
2.3.3 クラスター数の決定
2.3.4 分解型正規化最尤符号長
2.3.5 K-means 法
2.3.6 Latent Dirichlet Allocation
2.3.7 非負値行列因子分解
2.3.8 確率的ブロックモデル
2.3.9 制約付きBoltzmann マシン

2.4 教師あり学習と分類
2.4.1 確率的決定木の学習
2.4.2 人工ニューラルネットワークとその周辺

2.5 逐次的確率予測
2.5.1 逐次的確率予測問題の設定
2.5.2 最尤予測アルゴリズム
2.5.3 Bayes 予測アルゴリズム
2.5.4 逐次的正規化最尤予測アルゴリズム

2.6 外れ値検知
2.6.1 距離に基づく外れ値検知
2.6.2 Gauss 混合分布に基づく外れ値検知
2.6.3 主成分分析に基づく多次元時系列外れ値検知

2.7 変化検知
2.7.1 統計的検定に基づく変化検知
2.7.2 シミュレーションに基づく変化検知
2.7.3 二段階学習に基づくオンライン変化検知

2.8 潜在的構造変化検知
2.8.1 バースト出現検知
2.8.2 動的モデル選択
2.8.3 クラスタリング構造変化検知

2.9 まとめ

関連商品

定価:本体2,500円+税