Development and Application of Co-nonlinearity Analysis Methods Leading to Novel Knowledge Awareness

共非线性分析方法的开发和应用导致新知识意识

• 批准号: 21K12018
• 负责人: 大崎 美穂
• 金额: $ 2.66万
• 依托单位: Doshisha University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12018/
• 关键词: 知識発見; 非線形従属関係; 共非線形性尺度; 正則化; ニューラルネットワーク; グループラッソ; 変数間の従属関係; 共非線形性

変数間の複雑な従属関係(共非線形性と呼ぶ)を知ることは，現象の理解と解明に迫る第一歩として重要である．特に多種多様なデータを分析する場合，データを根拠として未知の従属関係を発見する技術が望まれる．この実現を目指して，本研究では変数同士の共非線形性を検出する尺度と，本尺度を用いて非線形従属関係にある変数の集合・代表を発見する手法を開発している．昨年度には新しい共非線形性尺度NNR-GLを提案し，最終的に国際会議と学術論文で発表するに至った．NNR-GLは，ニューラルネットワーク回帰(NNR)により変数間の非線形従属関係をモデル化するとともに，入力層のグループラッソ(GL)により強い従属関係のみを選定し，その強さを尺度値として出力する．共非線形性を検出できるが，検出結果である多数の断片的な従属関係を集約する機能がない．以上を踏まえて，本年度は次の段階，すなわち，NNR-GLの検出結果を集約して共非線形変数集合・代表を発見する手法NNR-GLIAに着手した．年度前半には，異なる初期設定のNNR-GLを繰り返し実行した上で，検出された従属関係にある変数の出現頻度に応じて変数集合を構築する機能IAを考案した．変数集合の代表(従属関係の源流に位置する変数)を導出する仕組みも加えた．そして，NNR-GLとIAの組合せである提案手法NNR-GLIAの定式化・アルゴリズム化と，システム設計・開発を行った．年度後半には，試作システムの動作確認とデバッグとともに，モデル化した従属関係を明示的な関数で表現する方法を検討した．さらにNNR-GLIAを進化的最適化に応用するために，対話型進化計算におけるユーザの志向と最適化対象の変数の間の従属関係も調べた．この調査はNNR-GLIAの開発と平行して行い，成果を国際会議で発表した．次年度にはNNR-GLIAの詳細な評価と応用へと進みたい．

了解变量之间的复杂依赖关系（称为共同非线性）是迈向理解和阐明现象的重要第一步。特别是，在分析各种数据时，可以使用数据来发现未知依赖关系的技术是理想的。为了实现这一目标，这项研究开发了一个量表，用于检测变量之间的共同非线性和一种方法，用于发现使用此量表具有非线性依赖关系的变量的集合和代表。去年，我们提出了一个新的联合非线性量表NNR-GL，最终导致了其在国际会议和学术论文上的演讲。 NNR-GL使用神经网络回归（NNR）模型变量之间的非线性依赖关系，并仅使用输入层中的组套索（GL）选择牢固的依赖关系，并将这些关系的强度作为量表值输出。尽管可以检测到联合非线性，但它没有能力汇总大量零散的依赖性。考虑到这一点，今年我们已经开始了下一个阶段，即NNR-GLIA，这种方法收集了NNR-GL检测结果并发现一组共同非线性变量和代表。在今年的上半年，我们设计了一个函数IA，该函数根据变量的发生频率在相关关系中的发生频率构建，这些变量在反复执行不同的初始NNR-GL设置后被检测到的变量。还添加了一种机制来得出变量集的代表（位​​于因关系来源的变量）。然后，我们制定并算法是提出的方法NNR-GLIA，该方法是NNR-GL和IA的组合，并设计和开发了系统。在下半年，我们检查了如何使用显式功能来表达建模的依赖关系，并检查原型系统的操作和调试。此外，为了将NNR-GLIA应用于进化优化，我们还研究了用户取向与要在交互式进化计算中进行优化的变量之间的依赖关系。这项调查是与NNR-GLIA的发展并行进行的，结果在国际会议上进行了提出。明年，我们想继续对NNR-GLIA的详细评估和应用。

项目成果

Evaluation of the Neural-network-based Method to Discover Sets and Representatives of Nonlinearly Dependent Variables

基于神经网络的非线性因变量发现集和代表方法的评估

• DOI: 10.1109/cybconf51991.2021.9464151
• 发表时间: 2021
• 期刊: IEEE International Conference on Cybernetics CYBCONF-2021
• 作者: Ohsaki Miho;Sasaki Hayato;Kishimoto Naoya;Katagiri Shigeru;Ohnishi Kei;Sebastian Yakub;Then Patrick
• 通讯作者: Then Patrick

NNR-GL: A Measure to Detect Co-Nonlinearity Based on Neural Network Regression Regularized by Group Lasso

• DOI: 10.1109/access.2021.3111105
• 发表时间: 2021
• 期刊: IEEE Access
• 影响因子: 3.9
• 作者: M. Ohsaki;Naoya Kishimoto;Hayato Sasaki;Ryoji Ikeura;S. Katagiri;K. Ohnishi;Yakub Sebastian;P. Then

インタラクティブ進化計算の同一タスクを連続実行するユーザに起こる変化の分析

交互式进化计算中连续执行同一任务的用户发生的变化分析

• 发表时间: 2021
• 作者: Ohsaki Miho;Sasaki Hayato;Kishimoto Naoya;Katagiri Shigeru;Ohnishi Kei;Sebastian Yakub;Then Patrick;大崎美穂;小畑里菜，大西圭，福本誠，大崎美穂;岳一斗，大西圭，福本誠，大崎美穂
• 通讯作者: 岳一斗，大西圭，福本誠，大崎美穂

小中規模データ活用と説明可能性のための機械学習と知識発見

用于中小型数据利用和可解释性的机器学习和知识发现

• 发表时间: 2023
• 作者: Ohsaki Miho;Sasaki Hayato;Kishimoto Naoya;Katagiri Shigeru;Ohnishi Kei;Sebastian Yakub;Then Patrick;大崎美穂
• 通讯作者: 大崎美穂

インタラクティブ進化計算におけるユーザの好みの自覚度と評価する解の質の関係

交互式进化计算中用户偏好意识与评估解决方案质量之间的关系

• 发表时间: 2022
• 作者: Ohsaki Miho;Sasaki Hayato;Kishimoto Naoya;Katagiri Shigeru;Ohnishi Kei;Sebastian Yakub;Then Patrick;大崎美穂;小畑里菜，大西圭，福本誠，大崎美穂
• 通讯作者: 小畑里菜，大西圭，福本誠，大崎美穂