| 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 | 2022-06-29 13:55 結合行列の対称性制御によるリカレントニューラルネットワークの構造最適化 ○藤本ありさ・山本英明・守谷 哲（東北大）・徳田慶太（筑波大）・香取勇一（公立はこだて未来大）・佐藤茂雄（東北大）  NC2022-26 IBISML2022-26 |
|
| 抄録 | （和） | 本研究では，レザバーコンピューティングにおいてレザバーとして用いるリカレントニューラルネットワーク(RNN)の構造をタスクに応じて最適化することを目的として，対称性を制御したガウシアンランダム行列における対称性の強さと出力性能の関係を調べた．性能評価は，手書き文字筆記のための時系列信号を出力するタスクを用いて行った．出力ターゲットの速さと対称性を操作したレザバーが生成するダイナミクスの速さを比較したところ，出力ターゲットに応じて適切な対称性が生まれることが分かった．この結果は，従来行われているスペクトル半径の調整に加えて，結合行列の対称性操作が高性能・高効率なレザバーの設計方法の1つとなる可能性を示唆している． |
| （英） | In this study, we investigated the relationship between the strength of symmetry in a Gaussian random matrix of a recurrent neural network (RNN) and its reservoir computing performance for optimizing network topology of RNNs in reservoir computing models. The performance of the random network with various symmetry was evaluated based on a task that outputs time-series signals for writing handwritten digits. Matrix symmetry influenced the speed of the dynamics in the reservoir layer, and the highest performance was achieved when the speed of the target output was comparable to that of the network dynamics. This result suggests that, in addition to the conventional adjustment of the spectral radius, optimization of the matrix symmetry in the weight matrix could be used to efficiently improve the performance of reservoir networks. | |
| キーワード | （和） | リカレントニューラルネットワーク / レザバーコンピューティング / 結合行列 / 対称性 / 固有値 / / / |
| （英） | Recurrent neural network / Reservoir computing / Weight matrix / Symmetry / Eigenvalue / / / | |
| 文献情報 | 信学技報, vol. 122, no. 89, NC2022-26, pp. 184-188, 2022年6月. | |
| 資料番号 | NC2022-26 | |
| 発行日 | 2022-06-20 (NC, IBISML) | |
| 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 | NC2022-26 IBISML2022-26 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2022-06-27 - 2022-06-29 |
| 開催地（和） | 琉球大学50周年記念館 |
| 開催地（英） | |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2022-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 結合行列の対称性制御によるリカレントニューラルネットワークの構造最適化 |
| サブタイトル（和） | |
| タイトル（英） | Optimization of recurrent neural network structure by controlling symmetry of weight matrix |
| サブタイトル（英） | |
| キーワード(1)（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(2)（和/英） | レザバーコンピューティング / Reservoir computing |
| キーワード(3)（和/英） | 結合行列 / Weight matrix |
| キーワード(4)（和/英） | 対称性 / Symmetry |
| キーワード(5)（和/英） | 固有値 / Eigenvalue |
| 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） | 藤本 ありさ / Arisa Fujimoto / フジモト アリサ |
| 第1著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 山本 英明 / Hideaki Yamamoto / ヤマモト ヒデアキ |
| 第2著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 守谷 哲 / Satoshi Moriya / モリヤ サトシ |
| 第3著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 徳田 慶太 / Keita Tokuda / トクダ ケイタ |
| 第4著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 香取 勇一 / Yuichi Katori / カトリ ユウイチ |
| 第5著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future Univeisity Hakodate (略称： Future Univ. Hakodate) |
| 第6著者 氏名（和/英/ヨミ） | 佐藤 茂雄 / Shigeo Sato / サトウ シゲオ |
| 第6著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-29 13:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2022-26, IBISML2022-26 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.89(NC), no.90(IBISML) |
| ページ範囲 | pp.184-188 |
| ページ数 | 5 |
| 発行日 | 2022-06-20 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]