講演抄録/キーワード |
講演名 |
2018-11-05 15:10
[ポスター講演]多段階学習Echo State Networkによる非線形時系列予測 ○秋山貴則・田中剛平(東大) IBISML2018-83 |
抄録 |
(和) |
リザバーコンピューティング(RC)は,高速学習可能な脳型情報処理として,近年注目されている.RCは,様々なタスクに適用されており,中でも Jaeger らは,RC の一種である Echo State Network (ESN) を提案し,それがカオス時系列予測に対して有効である事を示した.しかしながら,ESN による非線形時系列予測には,大きく2つの問題が挙げられる.1つは予測性能がリザバーサイズに対して頭打ちになる事,もう1つはハイパーパラメータに予測性能が強く依存する事である.そこで本研究では,これらの問題点を解決する,多段階学習 ESN を提案する.提案法は,系内にリザバーを複数有し,1つの予測器の残差が補正されるようなモデルとなっている.本研究では,提案法による時系列予測タスクの精度改善を実証し,かつハイパーパラメータに対し性能がロバストである事をリアプノフ指数を用いて確認した. |
(英) |
Reservoir Computing (RC) has recently attracted much attention as brain-like information processing for high-speed learning. RC has been applied to a variety of tasks. Especially, Jaeger proposed the Echo State Network (ESN) , which is one of the RC models, was efficient for chaotic time series prediction. However, there are two critical problems in nonlinear time series prediction using the ESN. One is that its prediction ability reaches the peak despite the increase in reservoir size. The other is that its prediction ability depends heavily on hyper parameters. In this research, we propose a multi-step learning ESN that can solve these problems. The proposed system has multiple reservoirs and the prediction error of one predictor is corrected by the other predictor. In this research, we demonstrated the efficiency of the proposed method in nonlinear time series prediction tasks and confirmed that the ability of the proposed method is robust against the change of hyper parameters using Lyapunov exponents. |
キーワード |
(和) |
リザバーコンピューティング / Echo state network / 多段階学習 / 非線形時系列予測 / / / / |
(英) |
Reservoir computing / Echo state network / Multi-step learning / Nonlinear time series prediction / / / / |
文献情報 |
信学技報, vol. 118, no. 284, IBISML2018-83, pp. 293-299, 2018年11月. |
資料番号 |
IBISML2018-83 |
発行日 |
2018-10-29 (IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2018-83 |
研究会情報 |
研究会 |
IBISML |
開催期間 |
2018-11-05 - 2018-11-07 |
開催地(和) |
北海道民活動センター(かでる2.7) |
開催地(英) |
Hokkaido Citizens Activites Center (Kaderu 2.7) |
テーマ(和) |
情報論的学習理論ワークショップ (IBIS2018) |
テーマ(英) |
Information-Based Induction Science Workshop (IBIS2018) |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2018-11-IBISML |
本文の言語 |
日本語 |
タイトル(和) |
多段階学習Echo State Networkによる非線形時系列予測 |
サブタイトル(和) |
|
タイトル(英) |
Nonlinear Time Series Prediction using Multi-Step Learning Echo State Networks |
サブタイトル(英) |
|
キーワード(1)(和/英) |
リザバーコンピューティング / Reservoir computing |
キーワード(2)(和/英) |
Echo state network / Echo state network |
キーワード(3)(和/英) |
多段階学習 / Multi-step learning |
キーワード(4)(和/英) |
非線形時系列予測 / Nonlinear time series prediction |
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) |
秋山 貴則 / Takanori Akiyama / アキヤマ タカノリ |
第1著者 所属(和/英) |
東京大学 (略称: 東大)
Tokyo University (略称: Tokyo Univ.) |
第2著者 氏名(和/英/ヨミ) |
田中 剛平 / Gouhei Tanaka / タナカ ゴウヘイ |
第2著者 所属(和/英) |
東京大学 (略称: 東大)
Tokyo University (略称: Tokyo 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 |
第1著者 |
発表日時 |
2018-11-05 15:10:00 |
発表時間 |
180分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2018-83 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.284 |
ページ範囲 |
pp.293-299 |
ページ数 |
7 |
発行日 |
2018-10-29 (IBISML) |