論理学習機械
機械学習手法

論理学習機械（LLM）は、理解可能なルールの生成に基づく機械学習手法です。LLMは、 ジェノバにあるイタリア国立研究評議会CNR-IEIITの上級研究員であるマルコ・ムセリによって開発されたスイッチングニューラルネットワーク（SNN）パラダイム[1]の効率的な実装です

LLMは、医療分野（整形外科患者の分類[2] 、 DNAマイクロアレイ分析[3]、臨床意思決定支援システム[4]）、金融サービス、サプライチェーン管理など、さまざまな分野で採用されてきました。

歴史

スイッチングニューラルネットワークアプローチは、最も一般的に使用されている機械学習手法の欠点を克服するために1990年代に開発されました。特に、多層パーセプトロンやサポートベクターマシンなどのブラックボックス手法は、精度は良好でしたが、研究対象の現象に対する深い洞察を提供できませんでした。一方、決定木は現象を記述することはできましたが、しばしば精度に欠けていました。スイッチングニューラルネットワークは、ブール代数を利用して、非常に優れたパフォーマンスを得ることができる理解しやすいルールセットを構築しました。2014年には、スイッチングニューラルネットワークの効率的なバージョンが開発され、ロジックラーニングマシンという名前でRulexスイートに実装されました。[5]また、回帰問題に特化したLLMバージョンも開発されました

一般

他の機械学習手法と同様に、LLMはデータを使用して、将来の行動について優れた予測を実行できるモデルを構築します。LLMは、ターゲット変数（出力）といくつかの入力を含むテーブルから開始し、与えられた入力構成に対応する出力値を返す一連のルールを生成します。ルールは次の形式で記述されます y {\displaystyle y}

前提 ならば 結果

ここで、consequenceには出力値が含まれ、premiseには入力に対する1つ以上の条件が含まれます。入力の種類に応じて、条件の形式は異なります。

  • カテゴリ変数の場合、入力値は特定のサブセット内にある必要があります。 x 1 ∈ { A , B , C , . . . } {\displaystyle x_{1}\in \{A,B,C,...\}}
  • 順序付き変数の場合、条件は不等式または区間として記述されます。または x 2 ≤ α {\displaystyle x_{2}\leq \alpha } β ≤ x 3 ≤ γ {\displaystyle \beta \leq x_{3}\leq \gamma }

したがって、考えられるルールは次のようになる。

もし、 そして、そして、ならば x 1 ∈ { A , B , C , . . . } {\displaystyle x_{1}\in \{A,B,C,...\}} x 2 ≤ α {\displaystyle x_{2}\leq \alpha } β ≤ x 3 ≤ γ {\displaystyle \beta \leq x_{3}\leq \gamma } y = y ¯ {\displaystyle y={\bar {y}}}

タイプ

出力タイプに応じて、ロジック学習マシンの異なるバージョンが開発されています

参考文献

  1. ^ Muselli, Marco (2006). 「スイッチングニューラルネットワーク：分類 のための新しいコネクショニストモデル」（PDF） . WIRN 2005およびNAIS 2005、コンピュータサイエンスに関する講義ノート. 3931 : 23–30
  2. ^ モルデンティ、M.フェラーリ、E.ペドリーニ、E.ファッブリ、N.カンパナッチ、L.ムセリ、M.サンジョルギ、L. (2013)。 「スイッチングニューラルネットワークによる新しい多発性骨軟骨腫分類の検証」。American Journal of Medical Genetics パート A。161 (3): 556–560。土井:10.1002/ajmg.a.35819。PMID  23401177。S2CID 23983960  。
  3. ^ Cangelosi, D.; Muselli, M.; Blengio, F.; Becherini, P.; Versteeg, R.; Conte, M.; Varesio, L. (2013). 「神経芽腫患者の予後分類器の構築における属性駆動型増分離散化と論理学習機械の利用」Bits2013 . 15 (Suppl 5): S4. doi : 10.1186/1471-2105-15-S5-S4 . PMC 4095004. PMID  25078098 . 
  4. ^ Parodi, S.; Filiberti, R.; Marroni, P.; Montani, E.; Muselli, M. (2014). 「Logic Learning Machineを用いた胸膜中皮腫の鑑別診断」. Bits2014 . 16 (Suppl 9): S3. doi : 10.1186/1471-2105-16-S9-S3 . PMC 4464205. PMID  26051106 . 
  5. ^ 「Rulex：データからの知識抽出ソフトウェア」イタリア国立研究評議会. 2025年3月24日閲覧。
  • Rulex公式サイト
  • 機械学習エンジニア
Retrieved from "https://en.wikipedia.org/w/index.php?title=Logic_learning_machine&oldid=1313085669"