| 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 [ログイン] 技報アーカイブ |
| 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 | 2020-06-18 10:25 LSTMニューラルネットワークを用いた常微分方程式の数値的近似解について ○小澤和也・磯貝海斗・岡崎秀晃（湘南工科大）  CAS2020-2 VLD2020-2 SIP2020-18 MSS2020-2 |
|
| 抄録 | （和） | リカレントニューラルネットワーク(RNN)は非線形回路をモデリングする時，非常に良い精度を与えることが示されている．しかしながら，RNNの学習アルゴリズムはBPTTを必要とするので，勾配が消失問題が存在する．RNNの１種であるLSTM(Long-Short Term Memory)はこの問題避けるためのいくつかのゲートを利用している．本報告では，LSTMを コルピッツ発振回路の周期的振る舞いを推測することに適用する．LSTMニューラルネットワークを用いたコルピッツ発振回路の常微分方程式の数値的近似解について議論する． |
| （英） | Recurrent neural networks (RNNs) were demonstrated to provide good accuracy when modeling nonlinear circuits. However, since the training algorithm of RNN needs the backpropogation through time(BPTT), this has a Vanishing gradient problem. Long-Short Term Memory (LSTM) which is a type of RNNs uses several gated units to avoid this probem. In this paper, LSTM is applied to estimate perodic behavior of Colpitts oscillator. The numerical approximated solutions of Colpitts oscillator ordinary differential equation using the LSTM neural network are discussed. |
|
| キーワード | （和） | LSTMニューラルネットワーク / コルピッツ発振回路 / 微分方程式 / 近似 / / / / |
| （英） | LSTM Neural Network / Colpitts Oscillator / Differential equations / Approximation / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 65, CAS2020-2, pp. 7-9, 2020年6月. | |
| 資料番号 | CAS2020-2 | |
| 発行日 | 2020-06-11 (CAS, VLD, SIP, MSS) | |
| 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 | CAS2020-2 VLD2020-2 SIP2020-18 MSS2020-2 |
|
| 研究会情報 | |
| 研究会 | MSS CAS SIP VLD |
| 開催期間 | 2020-06-18 - 2020-06-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | システムと信号処理および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | CAS |
| 会議コード | 2020-06-MSS-CAS-SIP-VLD |
| 本文の言語 | 日本語 |
| タイトル（和） | LSTMニューラルネットワークを用いた常微分方程式の数値的近似解について |
| サブタイトル（和） | |
| タイトル（英） | On numerical approximated solutions of an ordinary differential\ equation using a LSTM neural network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | LSTMニューラルネットワーク / LSTM Neural Network |
| キーワード(2)（和/英） | コルピッツ発振回路 / Colpitts Oscillator |
| キーワード(3)（和/英） | 微分方程式 / Differential equations |
| キーワード(4)（和/英） | 近似 / Approximation |
| 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） | 小澤 和也 / Kazuya Ozawa / オザワ カズヤ |
| 第1著者 所属（和/英） | 湘南工科大学 (略称： 湘南工科大) Shonan Institute of Technology (略称： SIT) |
| 第2著者 氏名（和/英/ヨミ） | 磯貝 海斗 / Kaito Isogai / イソガイ カイト |
| 第2著者 所属（和/英） | 湘南工科大学 (略称： 湘南工科大) Shonan Institute of Technology (略称： SIT) |
| 第3著者 氏名（和/英/ヨミ） | 岡崎 秀晃 / Hideaki Okazaki / オカザキ ヒデアキ |
| 第3著者 所属（和/英） | 湘南工科大学 (略称： 湘南工科大) Shonan Institute of Technology (略称： SIT) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-06-18 10:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CAS |
| 資料番号 | CAS2020-2, VLD2020-2, SIP2020-18, MSS2020-2 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.65(CAS), no.66(VLD), no.67(SIP), no.68(MSS) |
| ページ範囲 | pp.7-9 |
| ページ数 | 3 |
| 発行日 | 2020-06-11 (CAS, VLD, SIP, MSS) |
[研究会発表申込システムのトップページに戻る]