協調的なファジィクラスタリングと説明可能AIに関する研究

协同模糊聚类和可解释人工智能研究

基本信息

批准号：
22K12198
负责人：
本多克宏
金额：
$ 2.66万
依托单位：
Osaka Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究では，多モード・多ソースのデータ分析に基づくデータ構造表現の開発と，説明性の高いAIへの組み込みに主眼を置き，協調的ファジィシステムにおけるプライバシー保護演算の導入やファジィIf-Thenルールベースの可用性の向上を目的としている．初年度は主に理論的側面からの展開として，以下の成果を上げた．(1) ニューロ学習モデルにファジィIf-Thenルールを組み込んで説明性能を向上させたANFISモデルの高度化として，前件部メンバシップの算出におけるノイズや欠測値の処理モデルを開発した．改良型のファジィクラスタリングに基づくメンバシップ関数の推定の有効性を確認した．これらの成果について，2件の国際会議発表と2件の国内学会発表を行った．(2) マルチビュー・マルチソースデータ解析における安心・安全なデータ活用を目標に，ファジィ局所的データ解析における連合学習モデルを開発し，可用性の改善されたメンバシップ関数の推定が可能となることを示した．これらの成果について，1件の国内学会発表を行った．(3) (1)や(2)で開発した理論モデルを実データへ適用する際のモデル改良を視野に入れて，局所的データ解析への組み込みを通した協調フィルタリング推薦システムの精度向上手法や要素ごと外れ値の処理機構を導入した楕円体状クラスタリングによるANFISの前件部メンバシップ関数の推定法を考案し，2023年度に開催されるIEEE国際会議における2件の発表の採択に至った．

这项研究重点是基于多模和多源数据分析来开发数据结构表示，并将它们纳入高度解释的AI中，目的是在协作模糊系统中引入隐私保护操作，并提高模糊的假设范围。在第一年，我们取得了以下结果，主要来自理论方面。（1）为了改善ANFIS模型，该模型将模糊的规则纳入了神经学习模型中，我们开发了一个模型，用于处理噪声和缺失值，以计算先行成员资格。我们已经基于改善模糊聚类的成员函数估计的有效性验证了有效性。这些结果在两个国际会议和两个国内会议上提出。（2）为了在多视图，多源数据分析中安全安全地使用数据的目的，开发了一个联合学习模型以进行模糊的本地数据分析，并且证明可以估算具有改善可用性的成员资格功能。关于这些结果，进行了一个日本的学术会议演讲。 (3) With the aim of improving the model when applying the theoretical models developed in (1) and (2) to actual data, we devised a method for improving the accuracy of a collaborative filtering recommendation system through incorporation into local data analysis, and an estimation method for the annex membership function of ANFIS using ellipsoid clustering, which introduces a mechanism for processing elements and outliers, and two presentations were adopted at the IEEE International Conference held在2023年。