| 講演名 | 2009-03-13 力学系群の自己組織化アルゴリズム : Parametric Bias法とmnSOMによるアプローチ 大久保 貴之, 辻 純一, 徳永 憲洋, 古川 徹生, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究の目的は,ダイナミクスの「集合」を扱うニューラルネットワーク(Multi-Dynamics Learning Network:MDLN)を開発することである.このMDLNには次の3つの機能を求める.i)教示されるダイナミクスの可観測状態変数から,非可観測状態変数とそのダイナミクスを推定すること.ii)推定するダイナミクス間の順序づけを行うこと.iii)順序づけしたダイナミクス間の内挿補間を行うこと.本論文ではこれら3つの機能を満たすMDLNの実現において既存のアプローチでは限界があること,その理由と解決方法について議論する.そしてシミュレーションを行い,われわれの主張する論理の整合性を検証したので報告する.なお本研究では,既存のアプローチにとしてRecurrentNeural Network(RNN)を機能モジュールとするモジュラーネットワーク型SOM(mnSOM)とParametric Bias(PB)法を用いたRNNPBの2つのニューラルネットワークを用いて検証を行った. |
| 抄録(英) | The purpose of this work is to develop a neural network architecture which enables us to deal with a group of dynamical systems. The architecture, which is refered as Multi-Dynamics Learning Network (MDLN), is expected to satisfy the following three requirements. (i) By giving a set of time seriese as a training dataset, MDLN estimates those dynamics as well as unobservable variables. (ii) MDLN orders those dynamics according to the similarities between them. (iii) MDLN represents and/or interpolates intermediate dynamics between given dynamics. Though the Recurrent Neural Network with Parametric Bias (RNNPB) and the modular network SOM with recurrent neural network modules (RNN-mnSOM) have been proposed for this purpose, it is shown in this paper that these two architectures do not satisfy the above requirements. It is also shown that an additive normalization algorithm improves the learning performance of RNNPB and RNN-mnSOM so that they satisfy the above three requreiments. |
| キーワード(和) | 自己組織化マップ / リカレントニューラルネットワーク / RNNPB / RNN-mnSOM / ダイナミクス |
| キーワード(英) | Self-Organizing Map / Recurrent Neural Network / RNNPB / RNN-mnSOM / Dynamics |
| 資料番号 | NC2008-168 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2009/3/4(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 力学系群の自己組織化アルゴリズム : Parametric Bias法とmnSOMによるアプローチ |
| サブタイトル（和） | |
| タイトル（英） | Self-organizing algorithm of dynamical systems : Approaches from Parametric Bias method and mnSOM |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 自己組織化マップ / Self-Organizing Map |
| キーワード(2)（和/英） | リカレントニューラルネットワーク / Recurrent Neural Network |
| キーワード(3)（和/英） | RNNPB / RNNPB |
| キーワード(4)（和/英） | RNN-mnSOM / RNN-mnSOM |
| キーワード(5)（和/英） | ダイナミクス / Dynamics |
| 第 1 著者 氏名（和/英） | 大久保 貴之 / Takashi OHKUBO |
| 第 1 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology |
| 第 2 著者 氏名（和/英） | 辻 純一 / Jun-ichi TSUJI |
| 第 2 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology |
| 第 3 著者 氏名（和/英） | 徳永 憲洋 / Kazuhiro TOKUNAGA |
| 第 3 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology |
| 第 4 著者 氏名（和/英） | 古川 徹生 / Tetsuo FURUKAWA |
| 第 4 著者 所属（和/英） | 九州工業大学大学院生命体工学研究科 Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology |
| 発表年月日 | 2009-03-13 |
| 資料番号 | NC2008-168 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | 480 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |