【研究分野】連携探索型数理科学

【研究領域課題番号】16KT0019 (KAKENデータベースで見る）

【研究キーワード】

レザバー計算 / カオス / 非線形力学系 / レザバー計算機 / ニューラルネットワーク / 情報量最大化 / ネットワーク結合力学系 / 力学系 / 数理工学 / 数理科学 / 神経科学 / 非線形

【研究成果の概要】

本研究では、大自由度非線形力学系を計算資源として活用するため、適切な指導原理に基づいてより良いレザバー計算機を構築すること、また，逆に力学系自体を計算資源という新たな側面で特徴付け、力学系の基礎的研究に新たな指標を提供することを目的としている。最初に、非カオス的なストレンジアトラクターを示す力学系をレザバーとして活用する可能性を検討し，適切なタスクの設定なども含めての研究を行った。最終的に、力学系の相互作用を規定するネットワーク構造が重要である点に着目して、リカレント相互情報量最大化という指導原理で構築する事で、特にメモリータスクに関して性能の向上が見られる事を発見した。

【研究の社会的意義】

レザバー計算は最近注目さているトピックであり、特に、大自由度非線形力学系の複雑な振る舞いを、計算資源として工学的応用に繋げる点は、数学の基礎理論と工学的応用の絡む学際的な研究テーマである．これまで、edge of chaos しか有効なレザバー構築の指針が無かったが、今回リカレント情報量最大化という新たな指針を示せたことは、工学的応用だけでなく、力学系の新たな特徴付けという基礎科学への貢献も期待出来る．最後に，数学的に非常にマニアックな力学系の性質が，情報処理システムとして工学的応用や脳・神経系の理解に関係している点は，基礎的学問の裾野の広い研究が如何に重要かを示す社会的意義も大きいといえる.

【研究種目】基盤研究(B)

【研究期間】2016-07-19 - 2020-03-31

【配分額】18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)

【研究分野】ソフトコンピューティング

【研究領域課題番号】16K00326 (KAKENデータベースで見る）

【研究キーワード】

レザバーコンピューティング / 数理解析 / 非線形システム / 省エネルギー / 力学系 / 機械学習 / 時系列データ / 画像処理 / 時系列予測 / 高速機械学習 / 非線形力学系 / ニューラルネットワーク / メモリスタ / スピン波 / デバイス / ハードウェア / 数理モデル / エコーステートネットワーク / ばらつき / 時系列情報処理 / 非線形 / 最適化

【研究成果の概要】

レザバーコンピューティングは、高速学習を可能とする機械学習の枠組みの一つである。本研究では、レザバーコンピューティングの数理的解析とレザバーの最適設計を行い、従来の問題点を解決するとともに、新たなモデルを提案して学習の高速化や計算性能向上を実現した。また、物理的レザバーの可能性を広く探究して数理モデリングを行い、その基本特性や基礎的タスクにおける計算性能を明らかにした。

【研究の社会的意義】

本研究では、レザバーコンピューティング技術の向上を目指して、数理的研究に取り組んだ。レザバーコンピューティングと他の機械学習との融合や、時系列データ予測のための新しい学習モデルは、本手法の発展に寄与するという学術的意義をもつ。物理的レザバーコンピューティングの研究成果は、低消費電力で動作するオンライン機械学習デバイスの開発につながるものであり、人工知能の発展をさらに促すという社会的意義をもつと考えられる。

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2019-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究分野】化学工学一般

【研究領域課題番号】10555263 (KAKENデータベースで見る）

【研究キーワード】

遺伝的アルゴリズム / ニューラルネットワーク / 非線形性 / プロセス / 情報処理 / スケジューリング / モデル化 / 反応・分離システム / 反応分離システム / (1)遺伝的アルゴリズム / (2)ニューラルネットワーク / (3)非線形 / (4)プロセス / (5)スケジューリング / (6)モデル化 / (7)反応システム / (8)分離システム / 非線形 / 反応システム / 分離システム

【研究成果の概要】

遺伝的アルゴリズム(GA)を用いてニューラルネットワーク(NN)の学習と構造決定を同時に行う新たなハイブリッド手法(GANN)を、複雑な制約条件を持つバッチプロセスの運転管理とスケジューリング、また非線形反応・分離プロセスのモデリングと制御へ応用し、実用的システムとして展開していくことを目的として研究を行い、以下のような成果を挙げることができた。
1.GANNの基盤技術となるニューラルネットワークを用いて、重合反応プロセスや液クロマト分取プロセスから得られる非線形プロセスデータを的確にモデル化できることを示すことができた。また、この成果を通してニューラルネットワークの汎化性能を支配する因子として中間層のユニット数が重要であること明らかにし、GANNの遺伝子展開における構造を的確に設計することができた。
2.プロセスの状態を把握しながら変種変量生産にリアルタイムかつ柔軟に対応してプロセスの運転計画を管理する統合運転管理システムの中核となる外乱適応型のGANN動的スケジューリングシステムを完成させることができた。そして、同システムが、突然の生産計画変更や装置の故障や修理に適切に対応できることを示すことができた。
3.撹拌槽型反応モデル装置の制御系の基本構造をGANNシステムを用いて設計する方法を一例として検討し、同システムが制御系設計における最適化手法として極めて有益であることを示すことができた。
以上により、非線形性の強いプロセス情報に関するモデル化、制御、運転管理の領域でのシステム開発を行うことができ、ならびに同システムの有効性、汎用性の実証を行うことができた。

【研究種目】基盤研究(B)

【研究期間】1998 - 2000

【配分額】12,500千円 (直接経費: 12,500千円)

【研究分野】情報工学

【研究領域課題番号】02452155 (KAKENデータベースで見る）

【研究キーワード】

画像処理 / ニュ-ラルネットワ-ク / 学習 / 汎化 / フィルタ / 非線形 / 統計 / 過学習 / フイルタ

【研究成果の概要】

本研究では、画像フィルタ理論の進展と共に明らかになったフィルタのデ-タ補間能力の本質に関する知見に基づいて、限られた数のサンプルを体験するだけで、未知の入力に対して正しい出力を与えることを保証できる新しい学習理論を構築し、それをニュ-ラルネット上に実現することを目的としている。フィルタにおけるデ-タ補間の問題と、未知の入力に対応することのできるニュ-ラルネットを構成する問題との間には密接な関係がある。前者は、関数の有限標本点上の値のサンプルのみから、まだ経験したことのない新しい点上の関数の値を推定する問題であり、これはデ-タの次元の相違こそあれ、有限個の入力サンプルに対する正しい出力が教師から示されただけで、初体験の入力に対して正しい出力を得ようとする後者の問題と本質的には同じだからである。学習理論では、この様に新しい入力に適切に対応する能力のことを汎化能力と呼んでいる。本研究課題では、2年間の研究を通じて、次のような成果をあげることができた。まず、研究代表者が開発してきた一連の画像フィルタの理論に基づき、学習訓練列の持つ内部構造(位相構造)を活用することにより、デ-タ補間、即ち、汎化を行なう枠組を導いた。さらに、この学習理論に従って、バックプロパゲ-ションの汎化能力を解明し、汎化を保証するための訓練デ-タの与え方を示した。これらの手法を一般的に論じることのできる理論を作用素論的枠組から導き、最適汎化能力を持つニュ-ラルネットの理論を構築した。以上の理論的に予測された結果は、計算機シミュレ-ションにより実証することができた。

【研究種目】一般研究(B)

【研究期間】1990 - 1991

【配分額】5,700千円 (直接経費: 5,700千円)