「Diago,L.,Abe,H.,Minamihata.A. and Hagiwara,I., Pattern Classification with Holographic Neural Networks: A New Tool for Feature Selection, Innovation in Machine and Deep Learning Case Studies and Applications, edited by Rivera,G.,Rosete A., Dorronsoro,B. and Valdez,N.R., Book series :Studies in Big Data (Springer),2023-6.」

次の特徴があります。
添付ファイル（因果の分かる機械学習応用例）にありますように、美人画20枚を被験者に見せ、一枚ごとに、癒されるか（2点）、癒されないか（0点）、どちらでもないか（1点）、を答えて頂きます。このくらいの枚数を事前学習しておきますと、因果の分かる学習システムは、被験者が何をもって癒されるのか、例えば、この被験者は目のあたりを中心に判断しているか分かるのです。これが因果です。今の第3次AIブームを牽引するCNN(Convolutional Neural Network)では、新しい美人画に被験者の回答が、0,1,2の何れであるかを判断できるのですが、何でもって判断しているか不明です。因果が分かると、その対策も立てやすいわけです。　例えば被験者は私に対して何故0と回答したか分かれば、目を強制的にぱっちりとさせるとかで癒すことができるわけです。今回は美人画の例でしたが、音質とかに対しても因果が分かれば、被験者好みの音質にできるわけです。