WEKO3
アイテム
データマイニングツールKINO
https://ipsj.ixsq.nii.ac.jp/records/40669
https://ipsj.ixsq.nii.ac.jp/records/406691c999884-3dbf-4db3-8f72-921e6bbd5893
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-FI97046006.pdf (696.0 kB)
|
Copyright (c) 1997 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 1997-07-24 | |||||||
| タイトル | ||||||||
| タイトル | データマイニングツールKINO | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Data Mining Tool KINO | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
| 資源タイプ | technical report | |||||||
| 著者所属 | ||||||||
| （株）東芝研究開発センター | ||||||||
| 著者所属 | ||||||||
| （株）東芝研究開発センター | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Research & Development Center, Toshiba Corporation | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Research & Development Center, Toshiba Corporation | ||||||||
| 著者名 |
月本, 洋
× 月本, 洋
|
|||||||
| 著者名(英) |
Hiroshi, Tsukimoto
× Hiroshi, Tsukimoto
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 本稿ではデータマイニングツールKINO (nowledge INference by Observatio) について述べる。このツールはニューラルネットワークモジュールNNE (eural Networks with Explanation)、決定木モジュールIDF (nduction of Decision trees with Fuzzines)、概念階層モジュールMCH (ultiple Classified concept Hierarchie) から構成されている。ニューラルネットワークモジュールNNEはニューラルネットワーク学習部とルール抽出部NEX (eural network EXplaine) から構成されている。このルール抽出部NEXは学習後のニューラルネットワークから簡単で精度の良いルールを短時間で抽出するもので、学習後のニューラルネットワークがブラックボックスであるという欠点を解決するものである。これにより、精度良く学習されたニューラルネットに裏付けられたルール （仮説） を利用者に提示することによって、データに伏在する関連性、規則性等を発見することが可能になる。特にクラスが連続の時は決定木で学習ができないので、この場合の学習後のニューラルネットワークから抽出されたルール （仮説） の有効性は大きい。 | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | This paper describes Data Mining Tool KINO (Knowledge INference by Observation). The tool consists of three modules: NNE (Neural Networks with Explanations), IDF (Induction of Decision trees with Fuzziness), and MCH (Multiple Classified concept Hierarchies). NNE consists of neural network learning submodule and rule extraction submodule NEX (Neural network EXplainer). NEX extracts simple and accurate rules in a short time from trained neural networks. NEX can solve the problem that trained neural networks are black boxes. NEX discovers rules (hypotheses) based on well trained neural networks. When classes are continuous, decision tree learning cannot work, so rules (hypotheses) extracted from trained neural networks are significant. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AN10114171 | |||||||
| 書誌情報 |
情報処理学会研究報告情報学基礎（FI） 巻 1997, 号 68(1997-FI-046), p. 41-48, 発行日 1997-07-24 |
|||||||
| Notice | ||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
