ノイズを含む遷移データからの論理プログラム学習

抄録

実世界のデータはノイズや誤りを含むことが多い．従来の論理プログラムの学習手法はデータが前処理で離散化されていることを前提としている．これらの手法の正確さは離散化する手法の正確さに依存し，実応用の妨げとなっている．一方，ニューラルネットワークはノイズを含むデータに対して頑健だと言われている．しかし，学習済みのニューラルネットワークはルールを出力せず，なにを学習できたか，どこまで一般化できたかが不明である．本研究では，ニューラルネットワークを用いて，遷移データ内に存在するルールを分類することで，論理プログラムを出力する．さらに，その学習したモデルはノイズを含むデータに対しても頑健であることを示す．