PBAI
- 1. 「パターンベース人工知能」とは何か What is Pattern Based Artificial Intelligence (PBAI)? 2013年7月15日版 東京工業大学 長谷川修
- 3. ? この新体系は、知能情報学において、 既存の学問分野がカバーしていない領域を 補完するもので、 「知能情報学の統一理論」の構築に不可欠な、 最後のピースです。 ? シンボルベース人工知能 ? パターン認識 ? 機械学習理論 ? ロボティクス ＋ ? パターンベース人工知能 知能情報学の 統一理論
- 7. SOINNのポイント ? SOINN はモデル不要 – 一般的な統計手法と異なり、ユーザが事前にモデ ルを決める必要がない。 – 従来法はモデルを決めるので、状況が変化しモデ ルからズレると性能が低下。 – SOINNは常に、状況の変化に合わせ、自らモデル を変化させ、性能を保つ。 – 即ちSOINN は状況の変化に自ら即座に対応する ? SOINN にはあらゆる数値データが入力可 – テキストも数値化すれば入力可
- 8. SOINNは多様な利用が可能 ? アルゴリズムなので、処理言語を問わない。 – C, C++, C#, Java, GP-GPU, Matlab, etc.. ? ハードウエアも問わない。 – スマホ、パソコン、スパコン、ロボット、家電、車、etc… ? ネットとの相性抜群 – 予報?防災、医療、セキュリティ、マーケティング etc…
- 9. SOINN の基本性能 1. IGMM との比較 – IGMM : Infinite Gaussian Mixture Model 2. 国際コンペ “M3-Competition” データを 用いた他手法との性能比較 – 3003 個の時系列データを用いた予測性能比較 – http://forecasters.org/resources/time-series- data/m3-competition/
- 10. Estimation of Probability Density Distribution SOINN vs IGMM Infinite Gaussian Mixture Model
- 11. SOINN vs Infinite Gaussian mixture model (IGMM) IGMM SOINNInput
- 12. SOINN vs Infinite Gaussian mixture model (IGMM) 計算開始直後
- 13. Final state
- 14. M3-Competition Forecasting Time Series Data SOINN vs Others
- 15. M3-Competition : Forecasting Time Series Data
- 16. M3-competition データを用いた他手法との性能比較（１） 縦軸は予測誤差 year quart month other 0 0.05 0.1 0.15 0.2 0.25 LOESS+2SOIAM ARARMA AUTO-ANN B-J auto AutoBox1 AutoBox2 AutoBox3 NAIVE2 ROBUST-Trend SINGLE HOLT DAMPEN Category MAPE SOINN
- 17. year quart month other 0 0.05 0.1 0.15 0.2 0.25 LOESS+2SOIAM WINTER COMB S-H-D Flors-Pearc1 Flors-Pearc2 PP-Autocast ForecastPro SMARTFCS THETAsm THETA RBF ForcX Category MAPE SOINN M3-competition データを用いた他手法との性能比較（２） 縦軸は予測誤差
- 19. SOINN の数理 目標： 1. ノイズを含む任意の確率分布に対する SOINN の近似誤差を、数学的に推定する。 2. 十分な時間経過後に、SOINN が上記の 分布を誤差０で近似可能なことを、数学的に 証明する。 現状： 上記証明を2次元空間において構築中。 詳細は、次ページ以降を参照。 19
- 21. Error Estimation Density estimation by SOINN, Mathematical Proof. （途中）
- 22. Error Number of SOINN Neurons 予測誤差の 理論的最大値 数値実験結果
- 23. “Kernel SOINN” based Estimation of Probability Density Distribution 23
- 24. “Kernel SOINN” based Estimation of Probability Density Distribution
- 26. Bayes Theory + SOINN
- 27. Self-Organizing + Online + Multimodal Bayesian Network by SOINN ベイジアンネットへの拡張も進行中
- 28. SOINNの未来 ? CPUの演算能力は、毎年飛躍的に向上。 ? それらは携帯端末や家電、輸送機器、構造物などに 多数組み込まれ、さらにはネットで接続されている。 ? SOINNはそうした端末?機器?装置で稼働し、ネットを 通じ、世界中のあらゆる情報から常に学習する。 ? SOINN の学習は、個人、企業、自治体など、様々な レベルで進む。 ? 学習後のSOINNを共有することで、コンピュータやロ ボットが互いに教え合い、人が教示（プログラム）する 手間を劇的に減らして人類に貢献する。