| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-27 10:50 Deep FORCE学習によるレザバーコンピューティングの予測性能の向上 ○中田一紀・鈴木英治・須田慶太・寺﨑幸夫（TDK）・浅井哲也（北大）・佐々木智生（TDK）  CCS2021-40 |
|
| 抄録 | （和） | 近年の機械学習において物理実装の重要性が高まっている．レザバーコンピューティングは時系列向けの機械学習の１つであり，物理実装に適していることから急速に研究が進展している．レザバーコンピューティングをエッジAIデバイスとして実装するためには，ストリームデータに対するオンライン学習が必須となる．これまでに，高い収束性を持つ FORCE (First-Order, Reduced and Controlled Error) 学習が提案されており，従来主流の確率勾配法に対する優位性が示されている．しかし，FORCE学習は RLS (Recursive Least Squares) アルゴリズムに基づいているため，単一出力という制約があり，多クラスデータをはじめとする追加学習には適していない．そこで，本報告ではFORCE学習の自然な拡張として，カルマンフィルタに基づいたオンライン学習アルゴリズム（Deep FORCE）を提案する．提案手法を二重振子の実軌道予測に適用し，従来のFORCE学習よりも予測性能を向上することを示す． |
| （英） | The physical implementation has become increasingly important in the recent machine learning trends. Reservoir Computing (RC) is a machine learning framework for time series processing, and the research on RC has progressed rapidly because of the suitability for physical implementation. For implementing RC as edge AI devices, sequential online learning is an essential requirement. Previously, FORCE (First-Order, Reduced and Controlled Error) learning having fast convergence property has been proposed and its advantages over the conventional Stochastic Gradient Descent algorithm were demonstrated. However, RC is not suitable for incremental learning of multi-class data due to the restriction of a single output per layer since it is based on RLS (Recursive Least Squares) algorithm. In this report, we propose a natural extension of FORCE learning, Deep FORCE, based on Kalman filtering. We demonstrated that Deep FORCE can improve the prediction performance of real trajectory of a double pendulum as a nonlinear transformation task as compared to conventional FORCE learning. | |
| キーワード | （和） | レザバーコンピューティング / オンライン学習 / FORCE学習 / / / / / |
| （英） | Reservoir Computing / Online leaning / FORCE learning / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 442, CCS2021-40, pp. 25-30, 2022年3月. | |
| 資料番号 | CCS2021-40 | |
| 発行日 | 2022-03-20 (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 | CCS2021-40 |
|
| 研究会情報 | |
| 研究会 | CCS |
| 開催期間 | 2022-03-27 - 2022-03-27 |
| 開催地（和） | 北海道 ルスツリゾートホテル&コンベンション |
| 開催地（英） | RUSUTSU RESORT HOTEL & CONVENTION |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | CCS |
| 会議コード | 2022-03-CCS |
| 本文の言語 | 日本語 |
| タイトル（和） | Deep FORCE学習によるレザバーコンピューティングの予測性能の向上 |
| サブタイトル（和） | |
| タイトル（英） | An Improvement of Prediction Performance of Reservoir Computing using Deep FORCE Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | レザバーコンピューティング / Reservoir Computing |
| キーワード(2)（和/英） | オンライン学習 / Online leaning |
| キーワード(3)（和/英） | FORCE学習 / FORCE learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中田 一紀 / Kazuki Nakada / ナカダ カズキ |
| 第1著者 所属（和/英） | TDK株式会社 (略称： TDK) TDK Corporation (略称： TDK) |
| 第2著者 氏名（和/英/ヨミ） | 鈴木 英治 / Eiji Suzuki / スズキ エイジ |
| 第2著者 所属（和/英） | TDK株式会社 (略称： TDK) TDK Corporation (略称： TDK) |
| 第3著者 氏名（和/英/ヨミ） | 須田 慶太 / Keita Suda / スダ ケイタ |
| 第3著者 所属（和/英） | TDK株式会社 (略称： TDK) TDK Corporation (略称： TDK) |
| 第4著者 氏名（和/英/ヨミ） | 寺﨑 幸夫 / Yukio Terasaki / テラサキ ユキオ |
| 第4著者 所属（和/英） | TDK株式会社 (略称： TDK) TDK Corporation (略称： TDK) |
| 第5著者 氏名（和/英/ヨミ） | 浅井 哲也 / Tetsuya Asai / アサイ テツヤ |
| 第5著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 佐々木 智生 / Tomoyuki Sasaki / ササキ トモユキ |
| 第6著者 所属（和/英） | TDK株式会社 (略称： TDK) TDK Corporation (略称： TDK) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-27 10:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CCS |
| 資料番号 | CCS2021-40 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.442 |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2022-03-20 (CCS) |
[研究会発表申込システムのトップページに戻る]