講演抄録/キーワード |
講演名 |
2021-06-11 15:20
相互情報量基準による非線形MEMS共振器レザバーの制御性の向上 ○中田一紀・鈴木駿也・鈴木英治・寺﨑幸夫・佐々木智生(TDK)・浅井哲也(北大) NLP2021-10 CCS2021-10 |
抄録 |
(和) |
本研究では,MEMS(Micro Electro Mechanical Systems)レザバーコンピューティングのための相互情報量基準によるパラメータチューニングについて提案する.MEMS共振器アレイによって構成したレザバーでは,素子の持つダイナミクスを活かすために,素子の線形性と非線形性のトレードオフを調整しつつ,入力信号に依存して生じるカオスやヒステリシスを制御することが求められる.本研究では,機械学習における事前訓練手法であるIP(Intrinsic Plasticity) 学習に着目し,MEMSの状態変数に対応する物理量を確率的に制御することを試みた.まず,IP学習の目標分布に単峰性の分布を設定することで,カオスの生成を抑制できることを示す.次に,レザバーコンピューティングの予測課題に応用し,MEMS素子の非線形性を調整することで,従来よりも予測精度の向上が見込めることを示す. |
(英) |
In this work, we propose a parameter tuning method based on mutual information criteria for MEMS (Micro Electro Mechanical Systems) Resonator-type Reservoir Computing. It is required for MEMS reservoirs to tune the balance of linear and nonlinear characteristics and to control their nonlinear behaviors depending on an external input, such as chaos and hysteresis. In our study, we focus on pre-training for machine learning called IP (Intrinsic Plasticity) learning, and apply it to controlling stochastic behaviors of MEMS reservoirs. First, we demonstrate simulation results on chaos suppression. Next, we show that our approach can improve prediction accuracy as compared to the conventional one. |
キーワード |
(和) |
レザバーコンピューティング / MEMS共振器アレイ / 相互情報量基準 / IP学習 / カオス / ヒステリシス / / |
(英) |
Reservoir Computing / MEMS Resonator Array / Mutual Information Criteria / IP Learning / Chaos / Hysteresis / / |
文献情報 |
信学技報, vol. 121, no. 62, CCS2021-10, pp. 45-50, 2021年6月. |
資料番号 |
CCS2021-10 |
発行日 |
2021-06-04 (NLP, CCS) |
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 |
NLP2021-10 CCS2021-10 |