| 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 | 2022-10-20 16:10 Innate trainingによるカオスニューロンモデルによって構成されたEcho State Networkの学習法 ○江波戸雄大・信川 創・酒見悠介（千葉工大）・金丸隆志（工学院大）・スヴィリドヴァ ニーナ（東京理科大）・合原一幸（東大）  CAS2022-26 NLP2022-46 |
|
| 抄録 | （和） | Echo State Network（ESN）は入力層，回帰型ニューラルネットワークであるリザバー層，出力層からなる機械学習手法であり，リザバーが入力を反映した多様なダイナミクスを持つほど高い性能が得られる．そのため，単体で多様なダイナミクスを持つカオスニューロンをリザバーに用いることで性能の向上の事例が報告されているが，調整パラメータの増加が課題である．そこで本研究では，この問題を緩和しうるパラメータ調整手法であるinnate trainingをカオスニューロンリザバーに適用し，その効果を考察する． |
| （英） | Echo State Network (ESN) is a machine learning method that consists of an input layer, a layer of recurrent neural networks called reservoir, and an output layer. The diverse dynamical responses corresponding to input patterns achieve high performance of ESN. To realize such responses, the chaotic neurons with rich chaotic dynamics can be an effective candidate of elements. However, additional neuron's parameters increase difficulty for optimization of reservoir layers. To tackle this issue, in this study, we applied innate training to an ESN using chaotic neurons (ChESN) as a parameter tuning method, and the learning performance was evaluated. | |
| キーワード | （和） | リザバーコンピューティング / カオスニューロン / innate training / / / / / |
| （英） | reservoir computing / chaotic neuron / innate training / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 220, NLP2022-46, pp. 35-40, 2022年10月. | |
| 資料番号 | NLP2022-46 | |
| 発行日 | 2022-10-13 (CAS, 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 | CAS2022-26 NLP2022-46 |
|
| 研究会情報 | |
| 研究会 | CAS NLP |
| 開催期間 | 2022-10-20 - 2022-10-21 |
| 開催地（和） | 新潟大学駅南キャンパスときめいと |
| 開催地（英） | |
| 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 | NLP |
| 会議コード | 2022-10-CAS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | Innate trainingによるカオスニューロンモデルによって構成されたEcho State Networkの学習法 |
| サブタイトル（和） | |
| タイトル（英） | Learning Method for Echo State Networks Constructed by Chaotic Neuron Models by Innate Training |
| サブタイトル（英） | |
| キーワード(1)（和/英） | リザバーコンピューティング / reservoir computing |
| キーワード(2)（和/英） | カオスニューロン / chaotic neuron |
| キーワード(3)（和/英） | innate training / innate training |
| 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） | 江波戸 雄大 / Yudai Ebato / エバト ユウダイ |
| 第1著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 第2著者 氏名（和/英/ヨミ） | 信川 創 / Sou Nobukawa / ノブカワ ソウ |
| 第2著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 第3著者 氏名（和/英/ヨミ） | 酒見 悠介 / Yusuke Sakemi / サケミ ユウスケ |
| 第3著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 第4著者 氏名（和/英/ヨミ） | 金丸 隆志 / Takashi Kanamaru / カナマル タカシ |
| 第4著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： kougakuin univ) |
| 第5著者 氏名（和/英/ヨミ） | スヴィリドヴァ ニーナ / Nina Sviridova / スヴィリドヴァ ニーナ |
| 第5著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 第6著者 氏名（和/英/ヨミ） | 合原 一幸 / Kazuyuki Aihara / アイハラ カズユキ |
| 第6著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 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 | 2022-10-20 16:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | CAS2022-26, NLP2022-46 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.219(CAS), no.220(NLP) |
| ページ範囲 | pp.35-40 |
| ページ数 | 6 |
| 発行日 | 2022-10-13 (CAS, NLP) |
[研究会発表申込システムのトップページに戻る]