カオス的なニューラルネットにおける動的入力への同期によるパターン認識の研究

• Project/Area Number: 23K11259
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Juntendo University
• Principal Investigator: 徳田 慶太 順天堂大学, 健康データサイエンス学部, 講師 (50762176)
• Co-Investigator(Kenkyū-buntansha): 藤原 直哉 東北大学, 情報科学研究科, 准教授 (00637449)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2023: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
• Keywords: カオス / ニューラルネットワーク / レザバー計算

Outline of Research at the Start

一般に、リカレントニューラルネットがカオスを持つと複雑な時系列パターンを生成できるが、一方で、初期値依存性により入力への安定な応答を得るのが難しくなる。本研究では、非線型系の特徴である同期現象に着目し、周期性のある入力を用いることで、システムのカオス性を利用した高い表現力と安定な入出力関係を両立する新しい枠組みを提案する 。これにより、脳において観測されている過渡的な同期現象の機能的役割に関する洞察を得ることを目指す。