@techreport{oai:ipsj.ixsq.nii.ac.jp:00033568,
 author = {渡部, 尚武 and 松居, 辰則 and 岡本, 敏雄 and Naotake, Watabe and Tatsunori, Matsui and Toshio, Okamoto},
 issue = {38(2000-MPS-029)},
 month = {May},
 note = {記憶に基づく推論(MBR:Memory-Based Reasoning)はルールを用いず，事例をそのままの形式で保持することで知識ベースを構築する．そのため知識獲得のボトルネック問題の解消の一手法として位置付けられている．しかしながら，MBRでは質問事例と最も近い事例を知識ベースから探索し，その回答部をそのまま推論結果とするため，精度の高い推論を実現するためには大量のデータを必要とする．そこで，本研究では，時系列データを対象にしたMBRにおいてカルマンフィルタを用いて，MBRの知識ベースの圧縮を行う．本手法をKOMIチャートデータに適用した結果，推論能力を保持したまま事例ベースの圧縮が可能であることが確認された．, Memory-Based Reasoning(MBR) is a reasoning method for classification problem, in MBR knowledge base is constructed without rules for reasoning, only by keeping many cases represented by original vector form of features. In MBR, to keep accuracy of reasoning, a huge of cased are required as a MBR knowledge base, so it is a serious problem for MBR method. In this study, we try to compress the size of knowledge base, of MBR by using the Kalman Filter, especially in case of applying time series data. As a result of some experiments, our compression method can keep the accuracy of MBR reasoning was shown.},
 title = {カルマンフィルタを用いた記憶に基づく推論のデータベース圧縮},
 year = {2000}
}