お知らせ 6月18日(火)18:00~23:00 システムメンテナンスのため学会の全てのサーバが停止いたします.
くわしくはこちらをごらんください.
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 2019-01-24 12:00
レーザを用いたリザーバコンピューティングにおける強化学習を利用したモデル選択
菅野円隆埼玉大)・成瀬 誠NICT)・内田淳史埼玉大
技報オンラインサービス実施中
抄録 (和) リザーバコンピューティングは人口ニューラルネットワークを用いた機械学習手法の一種であり,出力の重みのみを学習する点が特徴として挙げられる.
一方でニューラルネットワークに基づく機械学習手法を用いた時系列予測では,予め学習したネットワークが予測対象の変化に対応できず,予測精度が悪化する問題が生じることがある.この問題に対応するために,光リザーバコンピューティングにおいて強化学習を用いたモデル選択手法を提案する.本手法では異なる予測対象(モデル)を学習した重みを2つ用意し,強化学習によりモデルを選択する.シミュレーションにより予測対象が時間的に切り替わる時系列の予測を行い,提案手法によるモデル選択を実証した. 
(英) Reservoir computing is machine learning based on artificial neural network and it is a main feature that only output weights are trained.
In time-series prediction using machine learning based on artificial neural networks, a trained network may degrade its prediction accuracy when a predicting target is varied due to some changes of environment. To solve this problem, we propose model selection using reinforcement learning in photonic reservoir computing. In this method, two output weights, which are trained using different predicted targets, are used and selected using reinforcement learning. We numerically demonstrate to predict time-series which is temporally switched to different targets.
キーワード (和) リザーバコンピューティング / 強化学習 / 意思決定 / レーザ / 時間遅延フィードバック / 時系列予測 / /  
(英) reservoir computing / reinforcement learning / decision making / semiconductor laser / time-delayed feedback / time-series prediction / /  
文献情報 信学技報, vol. 118, no. 413, NLP2018-116, pp. 107-112, 2019年1月.
資料番号 NLP2018-116 
発行日 2019-01-16 (NLP) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NLP NC  
開催期間 2019-01-23 - 2019-01-24 
開催地(和) 北海道大学 百年記念会館 
開催地(英) The Centennial Hall, Hokkaido Univ. 
テーマ(和) ニューロコンピューティングの実装および人間科学のための解析・モデル化,一般 
テーマ(英) General Implementation of Neuro Computing, Analysis and Modeling of Human Science, etc. 
講演論文情報の詳細
申込み研究会 NLP 
会議コード 2019-01-NLP-NC 
本文の言語 日本語 
タイトル(和) レーザを用いたリザーバコンピューティングにおける強化学習を利用したモデル選択 
サブタイトル(和)  
タイトル(英) Model selection using reinforcement learning in laser-based reservoir computing 
サブタイトル(英)  
キーワード(1)(和/英) リザーバコンピューティング / reservoir computing  
キーワード(2)(和/英) 強化学習 / reinforcement learning  
キーワード(3)(和/英) 意思決定 / decision making  
キーワード(4)(和/英) レーザ / semiconductor laser  
キーワード(5)(和/英) 時間遅延フィードバック / time-delayed feedback  
キーワード(6)(和/英) 時系列予測 / time-series prediction  
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) 菅野 円隆 / Kazutaka Kanno / カンノ カズタカ
第1著者 所属(和/英) 埼玉大学 (略称: 埼玉大)
Saitama University (略称: Saitama Univ.)
第2著者 氏名(和/英/ヨミ) 成瀬 誠 / Makoto Naruse / ナルセ マコト
第2著者 所属(和/英) 情報通信研究機構 (略称: NICT)
National Institute of Information and Communications Technology (略称: NICT)
第3著者 氏名(和/英/ヨミ) 内田 淳史 / Atsushi Uchida / ウチダ アツシ
第3著者 所属(和/英) 埼玉大学 (略称: 埼玉大)
Saitama University (略称: Saitama Univ.)
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 2019-01-24 12:00:00 
発表時間 20 
申込先研究会 NLP 
資料番号 IEICE-NLP2018-116 
巻番号(vol) IEICE-118 
号番号(no) no.413 
ページ範囲 pp.107-112 
ページ数 IEICE-6 
発行日 IEICE-NLP-2019-01-16 


[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