JIS X 0031:1999 情報処理用語―人工知能―機械学習

X 0031 : 1999

まえがき

  この規格は,工業標準化法第12条第1項の規定に基づき,社団法人情報処理学会情報規格調査会
(IPSJ-ITSCJ) /財団法人日本規格協会 (JSA) から工業標準原案を具して日本工業規格(日本産業規格)を制定すべきとの
申出があり,日本工業標準調査会の審議を経て,通商産業大臣が制定した日本工業規格(日本産業規格)である。

(pdf 一覧ページ番号 )

――――― [JIS X 0031 pdf 1] ―――――

                                                                                   X 0031 : 1999

pdf 目次

ページ

•  序文・・・・[1]
•  1. 適用範囲・・・・[1]
•  2. 分類・・・・[1]
•  3. 表記法・・・・[1]
•  4. 情報処理用語-人工知能-機械学習・・・・[2]
•  付表1 JIS X 0031 関連規格・・・・[6]

(pdf 一覧ページ番号 )

――――― [JIS X 0031 pdf 2] ―――――

                                       日本工業規格(日本産業規格)                             JIS
                                                                            X 0031 : 1999

情報処理用語−人工知能−機械学習

Information technology−Vocabulary− Artificial intelligence−Machine learning

序文

 この規格は,1997年12月に第1版として発行されたISO/IEC2382-31, Information technology−
Vocabulary−Part 31 : Artificial intelligence−Machine learningを翻訳し,技術的内容を変更することなく作成
した日本工業規格(日本産業規格)である。

1. 適用範囲

 この規格は,情報処理における機械学習に関する主な用語,定義及び対応英語について規
定する。
    備考1. 幾つかの用語について,対応国際規格が技術的に不正確又は時代遅れと判断されるところが
            あったため,最新の用法に合致するよう一部修正を加えた。
         2. この規格の関連規格を,付表1に示す。
         3. 参考は,対応国際規格にはない事項である。

2. 分類

 用語は,次のとおり分類する。
a) 一般概念(31.01参照)
b) 学習技法(31.02参照)
c) 学習戦略(31.03参照)

3. 表記法

 この規格は,各用語を番号,用語,定義及び対応英語の四つの欄に分けて規定する。それぞ
れの欄における表記法及び解釈を,次に示す。
a) 番号 番号は,6個の数字によって表す。最初の2けたの数字は,情報処理用語の規格番号の末尾2
    けたを示す。次の2けたの数字は,この規格での分類を示す。最後の2けたは,同一分類内の一連番
    号を示す。
b) 用語
  1) 同一の意味を示す用語が二つ以上ある場合は,表記した順に従って優先使用する。
  2) 用語の一部が丸括弧( )で囲まれている場合は,その部分を省略してもよいことを表す。この場
      合は,括弧内を省略したときとしないときの間に優先順位はない。
  3) 常用漢字表音訓欄にない漢字は仮名に置き換えてあるが,仮名文字表現だけでは意味が分かりにく
      い場合には,対応する漢字を丸括弧( )で示す。
    例 “演えき(繹)学習”(31.03.17参照)
c) 定義

――――― [JIS X 0031 pdf 3] ―――――

2
X 0031 : 1999
  1) 文中で下線の引いてある語は,情報処理用語に関する日本工業規格(日本産業規格)に規定されていることを示す。
  2) 丸括弧( )の使い方は,b)と同様とする。
d) 対応英語
  1) この欄の英語は,対応国際規格に規定されている用語であって,規定されている定義と対応する。

4. 情報処理用語-人工知能-機械学習

31.01 一般概念
   番号          用語                            定義                            対応英語
 31.01.01 学習                                                             learning
                           生物又は自動システムが,自身の能力又は性能を向上させ
                           るのに使用することができる知識又は技能を獲得する過
                           程。
 31.01.02 機械学習,                                                       machine learning,
                           機能単位が新しい知識・技能を獲得すること,又は既存の
          自動学習
 (28.01.21)                                                                automatic learning
                           知識・技能を再構成することによって,自身の性能を向上
                           させる過程。
 31.01.03 自己学習                                                         self-learning
                           外部から明示的に知識を取り入れることなく,内部の知識
                           ベース又は新しい入力データから学習すること。
 31.01.04 知識獲得                                                         knowledge acquisition
                           知識を探し出し,収集し,洗練して,知識ベースシステム
 (28.01.09)                が更に処理できる形式に変換する過程。
                              備考 知識獲得は,通常,知識技術者の介入を意味す
                                   るが,機械学習の重要な要素でもある。
 31.01.05 学習戦略                                                         learning strategy
                           実際の適用に先立って考えられた学習技法の使用計画。
 31.01.06 概念                                                             concept
                           範ちゅう(疇)に所属するか否かを決定するための抽象的
                           な実体。
                              備考 概念は,オブジェクトを分類するために使用さ
                                   れる。
 31.01.07 概念学習                                                         concept learning
                           新しい知識を引き出して将来の使用のために記憶する目
                           的で,既存の知識を新しい情報に適用することによって,
                           概念の表現を作り出すこと。
                              備考 概念学習は,対象とする概念のバージョン空間
                                   及び実例空間の相互作用を必要とする場合があ
                                   る。この相互作用は,さらに,初期主張の再構
                                   成又は変形,実験及び一時的な例の選択という
                                   過程を必要とすることがある。
 31.01.08 概念的クラスタリ                                                 conceptual clustering
                           オブジェクト,事象又は事実を,単純で記述的な概念によっ
          ング             て特徴づけられるクラスに分類すること。
                              備考 教師なし学習(31.03.09)及びチャンキング
                                   (31.02.03)も参照。
 31.01.09 分類形成                                                         taxonomy formation
                           離接的なクラスにクラスタリングされた概念を用いるこ
                           とによって,概念を分類する方法の体系を構築すること。
                              備考1. 分類形成の目標は,最も単純な特徴のセット
                                     を選び,特性間の重複を最小限にすることに
                                     ある。
                                  2. 概念的クラスタリング(31.01.08)及び概念形成
                                     (31.02.07)も参照。
 31.01.10 機械による発見                                                   machine discovery
                           学習する能力をもつ機械が,分類形成を行い,観察された
                           データに存在する規則性を表す経験則を発見すること。
                              備考 概念的クラスタリング(31.01.08)及び説明に基
                                   づく学習(31.03.18)も参照。

――――― [JIS X 0031 pdf 4] ―――――

                                                                                              3
                                                                                   X 0031 : 1999
   番号          用語                            定義                            対応英語
 31.01.11 認知科学,                                                       cognitive science,
                           知性のもつ表現及び計算の能力を発見することと,それら
          認知主義                                                         cogmitivism
                           能力の脳における構造的及び機能的な表現を発見するこ
                           ととを目的とする,学際的な知識の分野。
                              備考 認知科学は,認識の記号処理的な性質を扱う学
                                   問であり,心理学,情報科学,言語学,人類学,
                                   哲学,教育学,数学,工学,生理学,神経科学
                                   などの広範な学問分野にまたがるものである。
31.02 学習技法
   番号          用語                            定義                            対応英語
 31.02.01 逆学習,学習消去                                                 unlearning
                           学習の内容を除去するために,システムに記憶された知識
                           を調整すること。
 31.02.02 概念記述                                                         concept description
                           ある概念のすべての既知の事例のクラスを記述するデー
                           タ構造。
 31.02.03 チャンキング                                                     chunking
                           記憶,検索又は処理を容易にするために,知識を高位の概
                           念的レベルで単一の実体にグループ化すること。
 31.02.04 特徴記述                                                         characteristic description
                           与えられた概念のすべての事例に共通する特性を表す概
                           念記述。
 31.02.05 弁別特徴記述,                                                   discriminant description
                           与えられた概念を他の概念から区別する特性を表す概念
          識別特徴記述     記述。
 31.02.06 構造的特徴記述                                                   structural description
                           構成部分についての記述及びそれらの間の相互関係に基
                           づいた,オブジェクト及び概念の表現。
 31.02.07 概念形成                                                         concept formation
                           オブジェクト,事象又は事実の与えられた集合を特徴づけ
                           る概念を生成すること。
                              備考 一度概念が形成され,名前が与えられると,そ
                                   れは続いて起こる他の概念で使われることがあ
                                   る。
 31.02.08 部分的学習可能概                                                 partially learned concept
                           利用可能なデータ,知識又は仮定からは,その厳密な記述
          念               を推論できないような概念。
 31.02.09 バージョン空間                                                   version space
                           利用可能なデータ,知識又は仮定と整合のとれたすべての
                           概念記述の半順序集合。
 31.02.10 事例空間                                                         example space,
                           学習されるべき概念のすべての可能な事例及び反例の集
                           合。                                            instance space
 31.02.11 記述空間                                                         description space
                           学習者にとって利用可能な記述言語で記述できる,事例空
                           間からのすべての事例の集合。
 31.02.12 概念の一般化                                                     concept generalization
                           より多くの事例を含むように概念記述の対象範囲を拡張
                           すること。
 31.02.13 整合的な一般化                                                   consistent generalization
                           概念クラスに属する幾つか又はすべての正例を含み,すべ
                           ての負例を含まない概念の一般化。
 31.02.14 制約に基づく一般                                                 constraint-based
                           与えられた事実又は事象を説明するために使用する,概念
          化               の制約を満足する,概念の一般化。                generalization
 31.02.15 類似性に基づく一                                                 similarity-based
                           与えられた概念のすべての事例を,事例間の類似点と相違
          般化             点とに着目して記述する概念の一般化。            generalization
 31.02.16 完全な一般化                                                     complete generalization
                           与えられた概念クラスのすべての正例を記述する概念の
                           一般化。この記述には負例を含む場合もある。
 31.02.17 概念の特殊化                                                     concept specialization
                           記述する事例の集合を縮小することによって概念記述の
                           対象範囲を狭めること。
 31.02.18 混同行列                                                         confusion matrix
                           手元にあった事例をあるルール集合で分類する際に,正し
                           い分類及び誤った分類の数を記録するために使用する行
                           列。

――――― [JIS X 0031 pdf 5] ―――――

次のページ PDF 6