| 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 | 2026-03-17 14:40 SAMスパイキングニューラルネットを用いたLSMによるActor-Critic強化学習 ○本木 実・廣岡平太郎（熊本高専）  NC2025-109 |
|
| 抄録 | （和） | 本研究では, SAMスパイキングニューラルネットを用いたLSMによるActor-Critic強化学習モデルを提案し，目標到達タスクでの実験結果を報告する．我々は，様々な産業分野へのエッジAIデバイスのオンデバイス学習を目指し, エッジAIデバイス向けに, HW実装と低消費電力を優位にしたSAM型のスパイキングニューラルネットワークを開発している．これまではスパイク列での特徴表現に課題があり，本システムでは，LSMを用いての複雑な動的応答を使った高次元の特徴抽出により, 特徴表現力を高めた．目標到達タスク実験では，MLPを用いた場合と比較してそん色ない学習安定性を示した結果となり，特徴表現力の高精度化が連続値を対象とするような強化学習課題の解決を容易にしたことを報告する． |
| （英） | This research proposes an Actor–Critic model using an LSM with a SAM spiking neural network and reports simulation results on a goal-reaching task. We have developed the SAM spiking neural network, which has advantages such as being hardware-implementable and low in power consumption, in order to realize on-device, trainable AI systems for various industries. Conventional models have a problem regarding feature representation in their spike trains. Therefore, in this research, we improved the feature representation capability by using high-dimensional dynamic feature extraction. We also evaluated the proposed SAM-LSM-RL model using a goal-reaching task, and as a result, the proposed model achieved a success rate comparable to that of the MLP-RL model. These findings suggest that increasing the resolution of feature extraction facilitates solving continuous-valued RL tasks. | |
| キーワード | （和） | スパイキングニューロン / リキッドステートマシン / リザバー / SAM-SNN / 強化学習 / / / |
| （英） | Spiking neuron / Liquid State Machine / Reservoir / SAM-SNN / Reinforcement Learning / Actor-Critic / / | |
| 文献情報 | 信学技報, vol. 125, no. 413, NC2025-109, pp. 95-99, 2026年3月. | |
| 資料番号 | NC2025-109 | |
| 発行日 | 2026-03-09 (NC) | |
| 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 | NC2025-109 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 東京大学 |
| 開催地（英） | The University of Tokyo |
| テーマ（和） | 一般（NC, ME） |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2026-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | SAMスパイキングニューラルネットを用いたLSMによるActor-Critic強化学習 |
| サブタイトル（和） | |
| タイトル（英） | An Actor-Critic model using LSM with SAM Spiking Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | スパイキングニューロン / Spiking neuron |
| キーワード(2)（和/英） | リキッドステートマシン / Liquid State Machine |
| キーワード(3)（和/英） | リザバー / Reservoir |
| キーワード(4)（和/英） | SAM-SNN / SAM-SNN |
| キーワード(5)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(6)（和/英） | / Actor-Critic |
| 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） | 本木 実 / Minoru Motoki / モトキ ミノル |
| 第1著者 所属（和/英） | 熊本高等専門学校 (略称： 熊本高専) National Institute of Technology, Kumamoto College (略称： Kumamoto KOSEN) |
| 第2著者 氏名（和/英/ヨミ） | 廣岡 平太郎 / Heitaro Hirooka / ヒロオカ ヘイタロウ |
| 第2著者 所属（和/英） | 熊本高等専門学校 (略称： 熊本高専) National Institute of Technology, Kumamoto College (略称： Kumamoto KOSEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-17 14:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2025-109 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.413 |
| ページ範囲 | pp.95-99 |
| ページ数 | 5 |
| 発行日 | 2026-03-09 (NC) |
[研究会発表申込システムのトップページに戻る]