遺伝的手法と粒子フィルタを用いた動的ベイズネットワーク記述における構造・状態推定

摘要

This report deals with the state estimation in system descriptions for dynamic Baysian (DBN) networks by using a Genetic procedure (called Evolutionary Programming:EP) and Particle Filters (PF). Since conventional DBN is restricted cases where the Directed Asyclic Graph (DAG) is known, we extend the scheme to more general cases with unknown DAG. In the estimation, the fitness of individual is defined as the capability to approximate the probability distribution function where the DAG is assumed to be this individual. In the EP procedure, we utilize the mutation operation to the DAG to keep the consistency. As an application, we apply the estimation scheme of the paper to the artificially generated DBN where state of variables and changed struecture of DAG are already known to prove the applicability of the method.%近年，時間的な遷移を導入した動的ベイズネットワーク（DBN）が提案されているが，状態変数の結合を表現する方向性非巡回グラフ（DAG）の形状は既知と仮定され，未知の構造変化には適用できない．本報告では遺伝的手法（Evolutionary Programming：EPと呼ぶ）と粒子フィルタ（Particle Filter：PF）を用いたDBN記述におけるDAG形状と状態変化の推定について述べる．最初にDBNにおける基本的なモデルとDAGの形状が変化する場合を整理し，変化したあとのDAGの形状をEP手法により推定する方法を述べる．DAG形状推定では突然変異を基礎とした方法を用いることにより，推定処理における整合性を保っている．この場合，個体により表現されるDAGの構造が，ケース表により与えられる確率分布をどれくらい近似しているかを用いて適合度とする．状態推定の問題に関して，DBNにおける状態変数の同時分布が時間的に変化することに注目し，非線形システムの状態推定手法であるPFを適用する．応用例として，DAGの構造変化と状態変化が既知である人工データに本報告の手法を適用し性能を検証するとともに，現実のデータへの適用を考察する．