| 講演名 | 2022-01-22 ヒステリシス・リザーバー層の特性と学習出力系列の関係について 齋藤 吏(東京都市大), 神野 健哉(東京都市大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | リザバーコンピューティングは機械学習モデルの一種で、低コストかつ高速に学習が可能である。しかし、 従来のリザバーコンピューティングは記憶容量や非線形性を十分に確保できないことがある。そのため、従来のリザ バーニューロンをヒステリシスニューロンに置き換えたモデルであるヒステリシスリザバーコンピューティングを提 案している。ヒステリシスリザバーコンピューティングはリザバー層内のヒステリシス素子のパラメータを変化させ ることで様々な出力系列を生成する。本論文では、パラメータを変化させることで生成されるダイナミクスの調査を 行う。結果としてパラメータを変更することで、学習能力が向上し、特定の時系列データを表現できることを示す。 |
| 抄録(英) | Reservoir computing is a type of machine learning model that can be trained at low cost and fast. However, conventional reservoir computing often do not achieve the memory capacity and nonlinearity required. To solve this prob- lem, we proposed hysteresis reservoir computing, a model in which conventional reservoir neurons are replaced by hysteresis neurons, which generate various output sequences by changing parameters. In this paper, we confirm the dynamics generated by changing the parameters of the hysteresis element in the hysteresis reservoir layer. The experimental results indicate that changing the parameters improves the learning ability and can represent specific series of data. |
| キーワード(和) | リザバーコンピューティング / 時系列 / 発振器 / 時定数 / 複雑 |
| キーワード(英) | reservoir computing / time series / oscillator / time constant / complex |
| 資料番号 | NLP2021-99,MICT2021-74,MBE2021-60 |
| 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） | ヒステリシス・リザーバー層の特性と学習出力系列の関係について |
| サブタイトル（和） | |
| タイトル（英） | On the relationship between properties of the hysteresis reservoir layer and the training output sequence |
| サブタイトル（和） | |
| 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） | 時系列 / time series |
| キーワード(3)（和/英） | 発振器 / oscillator |
| キーワード(4)（和/英） | 時定数 / time constant |
| キーワード(5)（和/英） | 複雑 / complex |
| 第 1 著者 氏名（和/英） | 齋藤 吏 / Tsukasa Saito |
| 第 1 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：Tokyo City Univ) |
| 第 2 著者 氏名（和/英） | 神野 健哉 / Kenya Jin'no |
| 第 2 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：Tokyo City Univ) |
| 発表年月日 | 2022-01-22 |
| 資料番号 | NLP2021-99,MICT2021-74,MBE2021-60 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | NLP-335,MICT-336,MBE-337 |
| ページ範囲 | pp.121-124(NLP), pp.121-124(MICT), pp.121-124(MBE), |
| ページ数 | 4 |
| 発行日 | 2022-01-14 (NLP, MICT, MBE) |