| 講演抄録/キーワード |
| 講演名 |
2026-10-30 12:40
ヘッブ学習に基づくリカレントニューラルネットワークの主成分多様体拘束によるカオス制御 ○河合祐司(阪大)・浅田 稔(IPUT/阪大/中部大) NC2026-21 |
| 抄録 |
(和) |
カオス的リカレントニューラルネットワーク (RNN) は高い表現能力を持つ一方で,その軌道不安定性のため,自律的かつ安定した情報処理や軌道生成への適用は困難である.従来,高次元RNNの安定化には,重み行列の改変や強い一様減衰が用いられてきたが,これらはRNNの時系列表現能力を損なう要因となる.本研究は,生物学的な妥当性を保ちつつ,高次元RNNの重み行列を変化させることなく,主成分多様体に対する法線抑制フィードバックによって不安定軌道を安定軌道へと自律的に制御・分岐させるカオス制御手法を提案する.RNNの状態時系列の主成分部分空間を一般化ヘッブ則によって同定し、この多様体の接線成分の主要な状態ダイナミクスを保存したまま,法線成分を選択的に減衰させる状態フィードバック(抑制ゲイン$K$)を構成する.数値計算の結果,$K$の増大に従い,系がカオスからリミットサイクルを経て,また不安定化する一連の分岐構造を示すことを明らかにした.さらに,この安定なダイナミクスを利用することで,時系列パターン生成のリザバー計算が可能であることを示した.本研究は,脳における部分空間抑制による安定な知覚や記憶,制御の計算論的理解に寄与するとともに,高性能なリザバー計算の基礎理論を提供する. |
| (英) |
Chaotic recurrent neural networks (RNNs) have a potential of rich computational power; however, their intrinsic orbital instability limits their use in information processing. Conventional stabilization methods typically rely on weight modifications or uniform damping, which degrade their expressive capacity. In this study, we propose a biologically plausible chaos-control method that stabilizes high-dimensional random RNNs without altering their recurrent weights. Using the generalized Hebbian rule, we identify the principal subspace of neural activity and apply normal suppression feedback with gain $K$ to selectively damp fluctuations orthogonal to the principal manifold. As $K$ increases, the system undergoes bifurcations from chaos to limit cycles, followed by subsequent destabilization. Leveraging this stabilized regime, we demonstrate successful reservoir computing for time-series generation. Our framework shows that state feedback alone can flexibly modulate high-dimensional neural dynamics, shedding light on cortical subspace computation and robust reservoir design. |
| キーワード |
(和) |
カオス制御 / リカレントニューラルネットワーク / 一般化ヘッブ則 / 主成分多様体 / リザバー計算 / / / |
| (英) |
chaos control / recurrent neural network / generalized Hebbian rule / principal manifold / reservoir computing / / / |
| 文献情報 |
信学技報, vol. 126, no. 216, NC2026-21, p. 24, 2026年10月. |
| 資料番号 |
NC2026-21 |
| 発行日 |
2026-10-23 (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 |
NC2026-21 |
| 研究会情報 |
| 研究会 |
NC MBE |
| 開催期間 |
2026-10-30 - 2026-10-31 |
| 開催地(和) |
東北工業大学 |
| 開催地(英) |
Tohoku Institute of Technology |
| テーマ(和) |
NC, ME, 一般 |
| テーマ(英) |
NC, ME, etc. |
| 講演論文情報の詳細 |
| 申込み研究会 |
NC |
| 会議コード |
2026-10-NC-MBE |
| 本文の言語 |
日本語 |
| タイトル(和) |
ヘッブ学習に基づくリカレントニューラルネットワークの主成分多様体拘束によるカオス制御 |
| サブタイトル(和) |
|
| タイトル(英) |
Chaos control in recurrent neural networks via Hebbian-based principal manifold constraint |
| サブタイトル(英) |
|
| キーワード(1)(和/英) |
カオス制御 / chaos control |
| キーワード(2)(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(3)(和/英) |
一般化ヘッブ則 / generalized Hebbian rule |
| キーワード(4)(和/英) |
主成分多様体 / principal manifold |
| キーワード(5)(和/英) |
リザバー計算 / reservoir computing |
| 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) |
河合 祐司 / Yuji Kawai / カワイ ユウジ |
| 第1著者 所属(和/英) |
大阪大学 (略称: 阪大)
The University of Osaka (略称: UOsaka) |
| 第2著者 氏名(和/英/ヨミ) |
浅田 稔 / Minoru Asada / アサダ ミノル |
| 第2著者 所属(和/英) |
大阪国際工科専門職大学/大阪大学/中部大学 (略称: IPUT/阪大/中部大)
International Professional University of Technology in Osaka/University of Osaka/Chubu University (略称: IPUT/UOsaka/Chubu 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: ) |
| 第19著者 氏名(和/英/ヨミ) |
/ / |
| 第19著者 所属(和/英) |
(略称: )
(略称: ) |
| 第20著者 氏名(和/英/ヨミ) |
/ / |
| 第20著者 所属(和/英) |
(略称: )
(略称: ) |
| 第21著者 氏名(和/英/ヨミ) |
/ / |
| 第21著者 所属(和/英) |
(略称: )
(略称: ) |
| 第22著者 氏名(和/英/ヨミ) |
/ / |
| 第22著者 所属(和/英) |
(略称: )
(略称: ) |
| 第23著者 氏名(和/英/ヨミ) |
/ / |
| 第23著者 所属(和/英) |
(略称: )
(略称: ) |
| 第24著者 氏名(和/英/ヨミ) |
/ / |
| 第24著者 所属(和/英) |
(略称: )
(略称: ) |
| 第25著者 氏名(和/英/ヨミ) |
/ / |
| 第25著者 所属(和/英) |
(略称: )
(略称: ) |
| 第26著者 氏名(和/英/ヨミ) |
/ / |
| 第26著者 所属(和/英) |
(略称: )
(略称: ) |
| 第27著者 氏名(和/英/ヨミ) |
/ / |
| 第27著者 所属(和/英) |
(略称: )
(略称: ) |
| 第28著者 氏名(和/英/ヨミ) |
/ / |
| 第28著者 所属(和/英) |
(略称: )
(略称: ) |
| 第29著者 氏名(和/英/ヨミ) |
/ / |
| 第29著者 所属(和/英) |
(略称: )
(略称: ) |
| 第30著者 氏名(和/英/ヨミ) |
/ / |
| 第30著者 所属(和/英) |
(略称: )
(略称: ) |
| 第31著者 氏名(和/英/ヨミ) |
/ / |
| 第31著者 所属(和/英) |
(略称: )
(略称: ) |
| 第32著者 氏名(和/英/ヨミ) |
/ / |
| 第32著者 所属(和/英) |
(略称: )
(略称: ) |
| 第33著者 氏名(和/英/ヨミ) |
/ / |
| 第33著者 所属(和/英) |
(略称: )
(略称: ) |
| 第34著者 氏名(和/英/ヨミ) |
/ / |
| 第34著者 所属(和/英) |
(略称: )
(略称: ) |
| 第35著者 氏名(和/英/ヨミ) |
/ / |
| 第35著者 所属(和/英) |
(略称: )
(略称: ) |
| 第36著者 氏名(和/英/ヨミ) |
/ / |
| 第36著者 所属(和/英) |
(略称: )
(略称: ) |
| 講演者 |
第1著者 |
| 発表日時 |
2026-10-30 12:40:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
NC |
| 資料番号 |
NC2026-21 |
| 巻番号(vol) |
vol.126 |
| 号番号(no) |
no.216 |
| ページ範囲 |
p.24 |
| ページ数 |
1 |
| 発行日 |
2026-10-23 (NC) |
|