Minimization of variables for classification functions, and its applications.

分类函数变量的最小化及其应用。

基本信息

批准号：
20K11739
负责人：
笹尾勤
金额：
$ 2.83万
依托单位：
Meiji University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11739/
关键词：
国際研究者交流, 米国,スエーデン関数分解分類関数線形関数機械学習データマイニング国際研究者交流, 米国インデックス生成関数パターンマッチング国際研究者交流 CAM(連想メモリ）書き換え可能回路ハードウエア変数最小化パターン認識不完全定義関数

项目摘要

分類関数は, インターネット用ルータやパケット・フィルタ等の機能を数学的に表現したものである.申請者は分類関数を実現するためにインデックス生成回路 (IGU:Index Generation Unit)を考案した. 分類関数をハードウエアで実現した回路は大量のデータを高速分類可能である. 申請者は, 分類関数を複数のメモリやモジュール（IGU)に分解（分割）して実現する方法について研究を行った. 申請者が考案した, 線形分解では, 線形回路のコストは入力数nに比例する. もとのデータがn変数で, サンプル数がkの場合, 線形回路を用いると変数の個数を2log_2 k 個以下に削減できる. 従って, kが2^nに比べて十分小さい場合, 与えられたn変数関数を, 線形回路と非線形回路に分解することにより, 全体の回路のコストを大幅に削減できる. 今期は, 1) 大規模分類関数の変数削減アルゴリズムを改良し, 入力数nが1000以上の場合にも実用時間内に解が得られるようなプログラムを開発した. 本プログラムは, 分類関数をメモリで実現する際に利用可能である. 2) 分類関数が, データマイニングや手書き数字認識などの機械学習の分野でも利用可能であることをUCI University of California Irvine) のベンチマーク関数に関して実験を行い確認した.3)機械学習に応用する場合, 変数削減や多値論理式の簡単化により, 汎化性能（テスト精度）を改良できることを実験的に示した. 4) 学習容易な論理関数のクラスを探索した.コンピュータシミュレーションで予測精度の評価を行った。 5) 心臓のパイパス手術の予後を予測するシステムに応用した.

分类函数是互联网路由器、数据包过滤器等功能的数学表达式。申请人设计了索引生成电路(IGU：Index Generation Unit)来实现分类函数。分类函数在硬件中实现该电路可以进行分类申请人研究了一种通过将分类功能分解（划分）为多个存储器和模块（IGU）来实现这一点的方法。在线性分解中，线性电路的成本与输入数量n成正比，如果原始数据有n个变量，样本数量为k，使用线性电路可以将变量数量减少到2log_2 k或更少。因此，如果k相对于2^n足够小，则可以通过将给定的n变量函数分解为线性电路和非线性电路来显着降低整个电路的成本。此项：1)我们改进了大规模分类函数的变量缩减算法，并开发了一个程序，即使输入数量 n 为 1000 或更多，也能在实际时间内获得解决方案。 2）我们对 UCI 大学的基准函数进行了实验。加州尔湾分校（UCI University of California Irvine）并证实分类函数也可以应用于数据挖掘和手写数字识别等机器学习领域 3) 机器学习应用时，我们通过实验证明，可以通过减少变量和简化多值逻辑公式来提高泛化性能（测试准确性）。 4）我们寻找一类易于学习的逻辑函数，并使用计算机模拟来评估预测准确性。 5)应用于心脏搭桥手术预后预测系统。