| 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 | 2022-08-02 09:25 ReLU派生関数を用いたChaotic Neural Network Reservoirによる時系列予測の性能評価 ○齋東龍也・藤田実沙（中京大）  NLP2022-27 |
|
| 抄録 | （和） | 近年，時系列データに適した高速学習が行えるリザバーコンピューティングが注目されている． また，その派生であるカオスニューラルネットワークリザバーが提案され， カオスダイナミクスによる高度な情報処理を行えることが期待されている． しかし，これらの活性化関数にはtanhやsigmoid関数といった計算コストの大きい関数が用いられている． 本研究では，CNNRの活性化関数を計算コストの小さいReLU，Leaky ReLU，tanh近似ReLU ，sigmoid近似ReLU に変更することを提案し，時系列予測タスクに対するそれらの性能を数値実験によって評価した． |
| （英） | Reservoir computing has been attracting attention in recent years. It can learn time-series data at high speed. The chaotic neural network reservoir is one of the reservoir computing. Its chaotic dynamics are expected to show high performance for processing time-series data. In the original chaotic neural network reservoir, tanh or sigmoid function which requires a high computation cost is used as the activation function of neurons. From this viewpoint, we proposed using other functions that require a small computation cost, such as ReLU, Leaky ReLU, tanh-approximate ReLU, and sigmoid-approximate ReLU as the activation function of neurons. Also, we evaluate the performance of these chaotic neural network reservoirs for predicting time-series data. |
|
| キーワード | （和） | カオスニューラルネットワークリザバー / リザバーコンピューティング / 時系列予測 / 機械学習 / / / / |
| （英） | Chaotic Neural Network Reservoir / Reservoir Computing / Time Series Prediction / Machine Learning / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 143, NLP2022-27, pp. 7-10, 2022年8月. | |
| 資料番号 | NLP2022-27 | |
| 発行日 | 2022-07-26 (NLP) | |
| 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 | NLP2022-27 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2022-08-02 - 2022-08-02 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 同期現象,一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2022-08-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | ReLU派生関数を用いたChaotic Neural Network Reservoirによる時系列予測の性能評価 |
| サブタイトル（和） | |
| タイトル（英） | Performance Evaluation of Time Series Forecasting with Chaotic Neural Network Reservoir using ReLU Derived Functions |
| サブタイトル（英） | |
| キーワード(1)（和/英） | カオスニューラルネットワークリザバー / Chaotic Neural Network Reservoir |
| キーワード(2)（和/英） | リザバーコンピューティング / Reservoir Computing |
| キーワード(3)（和/英） | 時系列予測 / Time Series Prediction |
| キーワード(4)（和/英） | 機械学習 / Machine Learning |
| 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） | 齋東 龍也 / Tatsuya Saito / サイトウ タツヤ |
| 第1著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 藤田 実沙 / Misa Fujita / フジタ ミサ |
| 第2著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2022-08-02 09:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2022-27 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.143 |
| ページ範囲 | pp.7-10 |
| ページ数 | 4 |
| 発行日 | 2022-07-26 (NLP) |
[研究会発表申込システムのトップページに戻る]