| 講演名 | 2022-01-21 力学系の最適制御に基づく物理的深層学習 砂田 哲(金沢大), 古畑 玄貴(金沢大), 新山 友暁(金沢大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 深層学習の高い情報処理能力の根幹は，層から層への情報伝搬である．この情報伝搬を力学系の時間発展とみなすとき，学習は力学系の最適制御問題として定式化できる．本発表では，最適制御理論に基づき連続時間の時間発展則に従う非線形力学系を深層学習器として利用する方法を提示する．本理論は化学反応系やフォトニクス系を含む多様な自然システムに適用可能である．本発表では，遅延系に最適制御を適用し，少数個の制御パラメータのみで高度な情報処理が可能となることを示す． また，光電気遅延システムへの実装例を議論する． |
| 抄録(英) | An underlying key factor of deep neural networks is the information propagation through the layers. This suggests a connection between deep neural networks and dynamical systems. In this presentation, we propose and demonstrate a pattern recognition approach based on optimal control of continuous-time dynamical systems. As a key example, we consider a delay system and show that it allows for information processing based on a virtual large-scale network in a physically single node with only a few control parameters. In addition, we discuss hardware implementation in an optoelectronic delay system. |
| キーワード(和) | ニューラルネットワーク / 深層学習 / 力学系 / 最適制御 |
| キーワード(英) | Neural Network / Deep Learning / Dynamical System / Optimal Control |
| 資料番号 | NLP2021-79,MICT2021-54,MBE2021-40 |
| 発行日 | 2022-01-14 (NLP, MICT, MBE) |
| 研究会情報 | |
| 研究会 | NLP / MICT / MBE / NC |
|---|---|
| 開催期間 | 2022/1/21(から3日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC, ME，MICT，NLP, 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 高坂 拓司(中京大) / 花田 英輔(佐賀大) / 奥野 竜平(摂南大) / 大須 理英子(早大) |
| 委員長氏名（英） | Takuji Kosaka(Chukyo Univ.) / Eisuke Hanada(Saga Univ.) / Ryuhei Okuno(Setsunan Univ.) / Rieko Osu(Waseda Univ.) |
| 副委員長氏名（和） | 常田 明夫(熊本大) / 田中 宏和(広島市大) / 安在 大祐(名工大) / 堀 潤一(新潟大) / 山川 宏(東大) |
| 副委員長氏名（英） | Akio Tsuneda(Kumamoto Univ.) / Hirokazu Tanaka(Hiroshima City Univ.) / Daisuke Anzai(Nagoya Inst. of Tech.) / Junichi Hori(Niigata Univ.) / Hiroshi Yamakawa(Univ of Tokyo) |
| 幹事氏名（和） | 松下 春奈(香川大) / 吉岡 大三郎(崇城大) / 小林 匠(横浜国大) / 石田 開(神奈川県立産業技術総研) / 中村 英夫(大阪電気通信大) / 内部 英治(ATR) / 西田 知史(NICT) |
| 幹事氏名（英） | Haruna Matsushita(Kagawa Univ.) / Daizaburo Yoshioka(Sojo Univ.) / Takumi Kobayashi(Yokohama National Univ.) / Kai Ishida(KISTEC) / Hideo Nakamura(Osaka Electro-Communication Univ) / Eiji Uchibe(ATR) / Satoshi Nishida(NICT) |
| 幹事補佐氏名（和） | 加藤 秀行(大分大) / 横井 裕一(長崎大) / 伊藤 孝弘(広島市立大) / 高林 健人(岡山県立大) / 西川 拓也(国立循環器病研究センター) / 赤澤 淳(明治国際医療大学) / 湯田 恵美(東北大) / 我妻 伸彦(東邦大) / 栗川 知己(関西医科大) |
| 幹事補佐氏名（英） | Hideyuki Kato(Oita Univ.) / Yuichi Yokoi(Nagasaki Univ.) / Takahiro Ito(Hiroshima City Univ) / Kento Takabayashi(Okayama Pref. Univ.) / Takuya Nishikawa(National Cerebral and Cardiovascular Center Hospital) / Jun Akazawa(Meiji Univ. of Integrative Medicine) / Emi Yuda(Tohoku Univ) / Nobuhiko Wagatsuma(Toho Univ.) / Tomoki Kurikawa(KMU) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Nonlinear Problems / Technical Committee on Healthcare and Medical Information Communication Technology / Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 力学系の最適制御に基づく物理的深層学習 |
| サブタイトル（和） | |
| タイトル（英） | Physical deep learning based on optimal control of dynamical systems |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| キーワード(3)（和/英） | 力学系 / Dynamical System |
| キーワード(4)（和/英） | 最適制御 / Optimal Control |
| 第 1 著者 氏名（和/英） | 砂田 哲 / Satoshi Sunada |
| 第 1 著者 所属（和/英） | 金沢大学(略称：金沢大) Kanazawa University(略称：Kanazawa Univ.) |
| 第 2 著者 氏名（和/英） | 古畑 玄貴 / Genki Furuhata |
| 第 2 著者 所属（和/英） | 金沢大学(略称：金沢大) Kanazawa University(略称：Kanazawa Univ.) |
| 第 3 著者 氏名（和/英） | 新山 友暁 / Tomoaki Niiyama |
| 第 3 著者 所属（和/英） | 金沢大学(略称：金沢大) Kanazawa University(略称：Kanazawa Univ.) |
| 発表年月日 | 2022-01-21 |
| 資料番号 | NLP2021-79,MICT2021-54,MBE2021-40 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | NLP-335,MICT-336,MBE-337 |
| ページ範囲 | pp.36-36(NLP), pp.36-36(MICT), pp.36-36(MBE), |
| ページ数 | 1 |
| 発行日 | 2022-01-14 (NLP, MICT, MBE) |