2018 Fiscal Year Research-status Report
recise analysis and evolutionary synthesis of sparse binary neural networks
| Project/Area Number |
18K11480
|
|---|
| Research Institution | Hosei University |
|---|
Principal Investigator |
斉藤 利通 法政大学, 理工学部, 教授 (30178496)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | バイナリーニューラルネット / 安定性 |
|---|
| Outline of Annual Research Achievements |
シグナム活性化関数と3値結合で特徴づけられるスパースバイナリーニューラルネットの解析と応用に関する研究を行い、以下のような成果を得た。その成果は、学術雑誌(Neurocomputing, IEICE Trans. Fudam.)と国際会議(APNNS-ICONIP)で公表した。
1) 3入力1出力ニューロンによって構成されるスパースバイナリーニューラルネット(3-1SBNN)の6次元の代表的な例題を数値解析し、回転タイプの周期軌道が生成されることと、その周期軌道の局所安定性が非常に強いことを明らかにした。また、周期軌道の大域的安定性とパラメータの関係についても数値実験によって精密に調べた。
2) 数値解析結果に基づいて、一般次元の3-1SBNNの動作を理論的に解析し、回転タイプの周期軌道が生成されることを証明した。その周期軌道の局所安定性(1ビット誤訂正に対応)が非常に強いことも証明した。
3) 工学的応用の基礎として、一般次元の3-1SBNNをFPGAボード上にハードウエア実装するための回路を設計した。6次元と10次元の典型的な例題をハードウエア実装し、回転タイプの周期軌道の生成を実験的に確認した。
4) 3-1SBNNのセントラルパターンジェネレータへの応用の基礎として、6足ロボットの歩行パターンに対応する複数の周期軌道を生成する3-1SBNNを構成した。精密な数値実験によってその周期軌道の安定性を調べた。また、結合パラメータの切り替えによって複数の周期軌道を遷移させる方法を考案した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
SBNNの解析と応用について、新規性のある結果を理論および数値実験で得ることができた。学術雑誌や国際会議で公表することができた。
|
| Strategy for Future Research Activity |
現在までの3-1SBNNの研究を継続するとともに、以下のように発展させることを目指す。
1) 3-1SBNNを多層化したニューラルネットを構成し、周期軌道の生成とその安定性を数値実験で詳細に調べる。その結果に基づいて理論解析を行う。
2) 多層SBNNに所望の周期軌道を銘記し、その周期軌道の安定性を強化する方法を構築する。
3) 多層SBNNを柔軟に構成できる時変スイッチ等を用いた等価回路を設計し、FPGA上でハードウエア実装する。工学的応用の基礎となるはハードウエアを試作し、その動作を確認する。
|
