Publicly Offered Research
Grant-in-Aid for Transformative Research Areas (A)
再帰的ニューラルネットワークの1種であるレザバーコンピューティング (RC) は,学習コストの低さやタスクに対する柔軟性のため,幅広い分野で応用されている.これまで計算性能を最適化するための設計指針は理論的には得られていないのが実状である.その中,本研究では「与えられた入出力時系列に対して,どのようにランダムネットワークを設計すれば良いか」の方法論を統計物理のアプローチから構築することを目的とする.内部ネットワークとは別個に入出力のスケーリングを与え,入出力の寄与を解像させたまま RC の普遍的な性質を導く方法論を導入する.これにより,物理学・数学と機械学習の融合を目指す.