| 講演名 | 2022-10-20 Innate trainingによるカオスニューロンモデルによって構成されたEcho State Networkの学習法 江波戸 雄大(千葉工大), 信川 創(千葉工大), 酒見 悠介(千葉工大), 金丸 隆志(工学院大), スヴィリドヴァ ニーナ(東京理科大), 合原 一幸(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Echo State Network（ESN）は入力層，回帰型ニューラルネットワークであるリザバー層，出力層からなる機械学習手法であり，リザバーが入力を反映した多様なダイナミクスを持つほど高い性能が得られる．そのため，単体で多様なダイナミクスを持つカオスニューロンをリザバーに用いることで性能の向上の事例が報告されているが，調整パラメータの増加が課題である．そこで本研究では，この問題を緩和しうるパラメータ調整手法であるinnate trainingをカオスニューロンリザバーに適用し，その効果を考察する． |
| 抄録(英) | Echo State Network (ESN) is a machine learning method that consists of an input layer, a layer of recurrent neural networks called reservoir, and an output layer. The diverse dynamical responses corresponding to input patterns achieve high performance of ESN. To realize such responses, the chaotic neurons with rich chaotic dynamics can be an effective candidate of elements. However, additional neuron's parameters increase difficulty for optimization of reservoir layers. To tackle this issue, in this study, we applied innate training to an ESN using chaotic neurons (ChESN) as a parameter tuning method, and the learning performance was evaluated. |
| キーワード(和) | リザバーコンピューティング / カオスニューロン / innate training |
| キーワード(英) | reservoir computing / chaotic neuron / innate training |
| 資料番号 | CAS2022-26,NLP2022-46 |
| 発行日 | 2022-10-13 (CAS, NLP) |
| 研究会情報 | |
| 研究会 | CAS / NLP |
|---|---|
| 開催期間 | 2022/10/20(から2日開催) |
| 開催地（和） | 新潟大学駅南キャンパスときめいと |
| 開催地（英） | |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 前田 義信(新潟大) / 常田 明夫(熊本大) |
| 委員長氏名（英） | Yoshinobu Maeda(Niigata Univ.) / Akio Tsuneda(Kumamoto Univ.) |
| 副委員長氏名（和） | 相原 康敏(オムニビジョン) / 鳥飼 弘幸(法政大) |
| 副委員長氏名（英） | Yasutoshi Aibara(OmniVision) / Hiroyuki Torikai(Hosei Univ.) |
| 幹事氏名（和） | 伊藤 尚(富山高専) / 鈴木 寛人(ルネサスエレクトロニクス) / 吉岡 大三郎(崇城大) / 伊藤 大輔(岐阜大) |
| 幹事氏名（英） | Nao Ito(NIT, Toyama college) / Hiroto Suzuki(Renesas Electronics) / Daizaburo Yoshioka(Sojo Univ.) / Daisuke Ito(Gifu Univ.) |
| 幹事補佐氏名（和） | 佐藤 隆英(山梨大) / 山口 基(テクノプロ) / 下田 真二(ソニーセミコンダクタソリューションズ) / 越田 俊介(八戸工大) / 横井 裕一(長崎大) / 山仲 芳和(宇都宮大) |
| 幹事補佐氏名（英） | Takahide Sato(Univ. of Yamanashi) / Motoi Yamaguchi(TECHNOPRO) / Shinji Shimoda(Sony Semiconductor Solutions) / Shunsuke Koshita(Hachinohe Inst. of Tech.) / Yuichi Yokoi(Nagasaki Univ.) / Yoshikazu Yamanaka(Utsunomiya Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Circuits and Systems / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Innate trainingによるカオスニューロンモデルによって構成されたEcho State Networkの学習法 |
| サブタイトル（和） | |
| タイトル（英） | Learning Method for Echo State Networks Constructed by Chaotic Neuron Models by Innate Training |
| 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） | カオスニューロン / chaotic neuron |
| キーワード(3)（和/英） | innate training / innate training |
| 第 1 著者 氏名（和/英） | 江波戸 雄大 / Yudai Ebato |
| 第 1 著者 所属（和/英） | 千葉工業大学(略称：千葉工大) Chiba Institute of Technology(略称：CIT) |
| 第 2 著者 氏名（和/英） | 信川 創 / Sou Nobukawa |
| 第 2 著者 所属（和/英） | 千葉工業大学(略称：千葉工大) Chiba Institute of Technology(略称：CIT) |
| 第 3 著者 氏名（和/英） | 酒見 悠介 / Yusuke Sakemi |
| 第 3 著者 所属（和/英） | 千葉工業大学(略称：千葉工大) Chiba Institute of Technology(略称：CIT) |
| 第 4 著者 氏名（和/英） | 金丸 隆志 / Takashi Kanamaru |
| 第 4 著者 所属（和/英） | 工学院大学(略称：工学院大) Kogakuin University(略称：kougakuin univ) |
| 第 5 著者 氏名（和/英） | スヴィリドヴァ ニーナ / Nina Sviridova |
| 第 5 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：Tokyo Univ. of Science) |
| 第 6 著者 氏名（和/英） | 合原 一幸 / Kazuyuki Aihara |
| 第 6 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 発表年月日 | 2022-10-20 |
| 資料番号 | CAS2022-26,NLP2022-46 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | CAS-219,NLP-220 |
| ページ範囲 | pp.35-40(CAS), pp.35-40(NLP), |
| ページ数 | 6 |
| 発行日 | 2022-10-13 (CAS, NLP) |