| 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 | 2026-08-07 16:00 転移学習を用いた力学系の分岐予測 ○陳 凌峰（東京理科大）・犬伏正信（東京理科大/阪大）  CCS2026-36 |
|
| 抄録 | （和） | 力学系における分岐現象を予測することは，非線形現象の理解や制御において重要な課題である．本研究では，リザバーコンピューティングの転移学習法を力学系の分岐予測に応用する．特に，異なるパラメータで個別に学習した二つの出力層の線形結合を用いることで，学習パラメータ範囲外を外挿可能な分岐予測手法を提案する．Lorenz63モデルを対象に，ホップ分岐前の固定点へ収束する軌道のみを学習データとして用い，分岐後のカオスアトラクタを再現した．さらに，定量的な評価指標を導入することで，提案手法は先行手法と比べ，同等以上の予測精度を有することを明らかにした．また，サドルノード分岐およびピッチフォーク分岐に対しても，固定点の追跡によって分岐図を再現できることを確認し，代表的な分岐現象に対する提案手法の有効性を示した． |
| （英） | Predicting bifurcations in dynamical systems is an important challenge for understanding and controlling nonlinear phenomena. In this study, we apply a transfer learning approach based on Reservoir Computing (RC) to the prediction of bifurcations in dynamical systems. Specifically, we propose a bifurcation prediction method that extrapolates beyond the range of training parameters by linearly combining two output layers trained independently at different parameter values. Using the Lorenz63 system as a benchmark, we train the model solely on trajectories converging to fixed points before the Hopf bifurcation and successfully reconstruct the chaotic attractor after the bifurcation. Furthermore, by introducing a quantitative evaluation metric, we demonstrate that the proposed method achieves prediction accuracy comparable to or better than that of the conventional approach. We also verify that the proposed method reconstructs the bifurcation diagrams of saddle-node and pitchfork bifurcations by tracking fixed points, demonstrating its effectiveness for predicting representative bifurcation phenomena. | |
| キーワード | （和） | 力学系 / 分岐予測 / リザバーコンピューティング / 転移学習 / / / / |
| （英） | Dynamical System / Predicting bifurcations / Reservoir Computing / Transfer Learning / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 143, CCS2026-36, pp. 55-60, 2026年8月. | |
| 資料番号 | CCS2026-36 | |
| 発行日 | 2026-07-30 (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 | CCS2026-36 |
|
| 研究会情報 | |
| 研究会 | IN CCS |
| 開催期間 | 2026-08-06 - 2026-08-07 |
| 開催地（和） | 札幌市教育文化会館 |
| 開催地（英） | Sapporo Educaton and Culture Hall |
| テーマ（和） | ネットワークの科学、将来ネットワーク 、クラウド/SDN/仮想化、コンテンツ配信・流通、及び一般 |
| テーマ（英） | Network Science, Future Network, Cloud/SDN/Virtualization, Contents Delivery/Contents Exchange, and others |
| 講演論文情報の詳細 | |
| 申込み研究会 | CCS |
| 会議コード | 2026-08-IN-CCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 転移学習を用いた力学系の分岐予測 |
| サブタイトル（和） | |
| タイトル（英） | Predicting bifurcations in dynamical systems with transfer learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 力学系 / Dynamical System |
| キーワード(2)（和/英） | 分岐予測 / Predicting bifurcations |
| キーワード(3)（和/英） | リザバーコンピューティング / Reservoir Computing |
| キーワード(4)（和/英） | 転移学習 / Transfer 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） | 陳 凌峰 / Lingfeng Chen / チン リンフォン |
| 第1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： TUS) |
| 第2著者 氏名（和/英/ヨミ） | 犬伏 正信 / Masanobu Inubushi / イヌブシ マサノブ |
| 第2著者 所属（和/英） | 東京理科大学/大阪大学 (略称： 東京理科大/阪大) Tokyo University of Science/The University of Osaka (略称： TUS/UOsaka) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-08-07 16:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CCS |
| 資料番号 | CCS2026-36 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.143 |
| ページ範囲 | pp.55-60 |
| ページ数 | 6 |
| 発行日 | 2026-07-30 (CCS) |
[研究会発表申込システムのトップページに戻る]