深層学習を用いた非線形システム同定法の実用化に関する研究

Research Project

Project/Area Number	24K17295
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 21040:Control and system engineering-related
Research Institution	Gunma University
Principal Investigator	川口貴弘群馬大学, 大学院理工学府, 助教 (00869844)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000) Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2025: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000) Fiscal Year 2024: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Keywords	非線形システム同定 / 深層学習 / 有限インパルス応答モデル
Outline of Research at the Start	線形システム同定の考え方を取り入れながら，深層学習のメリットを享受できるシステム同定のためのモデル構造を明らかにする．そのために，画像認識で用いられる深層学習モデル構造である畳み込みニューラルネットワークと，システム同定における有限インパルス応答モデルの類似性に着目する．さらに，深層学習モデルとシステム同定におけるブロック指向モデルの関係性を指摘し，深層学習モデルをシステム同定の観点から理解する新たな視点を提案する．線形システム同定分野での研究成果を取り入れることで，解釈が可能であり，産業界で利用しやすい深層学習モデルの構築を目指す．