電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2017-11-05 17:25
エクストリーム学習器を用いたカオスニューロンの分岐図再構成
伊藤佳卓安達雅春東京電機大
技報オンラインサービス実施中
抄録 (和) 近年,エクストリーム学習器は単純なネットワーク構造にもかかわらず汎化性能が高いため様々な問題に適用されている.著者らは,エクストリーム学習器の特徴である「高い汎化性能」と「学習が高速」という点に着目し,予測器としてエクストリーム学習器を分岐図再構成に適用した.分岐図再構成は,同一のシステムから生成された複数の時系列信号を予測器に学習させて対象システムの分岐図を再構成する.再構成した分岐図の精度は予測器の時系列信号の学習結果に依存する.しかし,著者らはカオスニューロンの周期信号を含めた時系列信号をエクストリーム学習器が学習できない事を確認した.本研究では,エクストリーム学習器の特徴を変えずにカオスニューロンの時系列信号を学習する方法を示す.また,その学習結果を用いた分岐図再構成の結果を示す. 
(英) In recent year, an extreme learning machine which is simple structure have been applied to various problems. As one of the application examples, we have reconstructed bifurcation diagrams using the extreme learning machine. In the reconstruction of bifurcation diagram, we train extreme learning machine to model the time-series data sets which are generated by a dynamical system with different parameters. We assume that the higher prediction accuracy the time series predictors is, the higher reconstruction accuracy we obtain. However, we confirm that the extreme learning machine can not train to model time-series data sets that are generated by chaotic neuron model. In this paper, we show that an extreme learning machine with valiable ranges for synaptic weights of hidden neurons can train to model the time-series data sets of the chaotic neuron model. In addition, we show results of numerical experiments for the reconstruction of bifurcation diagram of the chaotic neuron model.
キーワード (和) 分岐図再構成 / 時系列予測 / カオスニューロン / エクストリーム学習器 / / / /  
(英) reconstruction of bifurcation diagram / time series predictor / chaotic neuron / extreme learning machine / / / /  
文献情報 信学技報, vol. 117, no. 272, NLP2017-74, pp. 53-58, 2017年11月.
資料番号 NLP2017-74 
発行日 2017-10-29 (NLP) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NLP  
開催期間 2017-11-05 - 2017-11-06 
開催地(和) 東北大学電気通信研究所 ナノ・スピン総合研究棟 カンファレンスルーム A40 
開催地(英) Research Institute of Electrical Communication Tohoku University 
テーマ(和) 非線形系・複雑系理論の実在非線形・複雑工学システムへの応用に関する研究,一般 
テーマ(英) Applications of nonlinear complex systems theory to existing nonlinear complex real-systems, etc 
講演論文情報の詳細
申込み研究会 NLP 
会議コード 2017-11-NLP 
本文の言語 日本語 
タイトル(和) エクストリーム学習器を用いたカオスニューロンの分岐図再構成 
サブタイトル(和)  
タイトル(英) Reconstructing Bifurcation Diagrams of Chaotic neuron Using Extreme Learning Machine 
サブタイトル(英)  
キーワード(1)(和/英) 分岐図再構成 / reconstruction of bifurcation diagram  
キーワード(2)(和/英) 時系列予測 / time series predictor  
キーワード(3)(和/英) カオスニューロン / chaotic neuron  
キーワード(4)(和/英) エクストリーム学習器 / extreme learning machine  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 伊藤 佳卓 / Yoshitaka Itoh / イトウ ヨシタカ
第1著者 所属(和/英) 東京電機大学 (略称: 東京電機大)
Tokyo Denki University (略称: Tokyo Denki Univ.)
第2著者 氏名(和/英/ヨミ) 安達 雅春 / Masaharu Adachi / アダチ マサハル
第2著者 所属(和/英) 東京電機大学 (略称: 東京電機大)
Tokyo Denki University (略称: Tokyo Denki Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2017-11-05 17:25:00 
発表時間 25 
申込先研究会 NLP 
資料番号 IEICE-NLP2017-74 
巻番号(vol) IEICE-117 
号番号(no) no.272 
ページ範囲 pp.53-58 
ページ数 IEICE-6 
発行日 IEICE-NLP-2017-10-29 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会