2019 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 | ニューラルネット |
|---|
| 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ダイナミックバイナリーニューラルネット(DBNN)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, NOLTA IEICE)や国際会議(APNNS-ICONIP, IEEE-CECなど)で公表した。
1) 3層のDBNNについて、任意の周期解の銘記と安定化に関する新しい理論を構築した。そして新しい合成法を提案し、任意の周期解を銘記できることと、その銘記した周期解を局所安定にできることを理論的に明らかにした。さらに、任意の周期解を銘記した3層のDBNNにおいて、その中間層の結合を適切に除去すると、銘記した周期解を大域安定にできることを理論的に明らかにした.
2) 2層のDBNN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周期軌道を生成する2層DBNNを構成し、FPGA上に実装した。同ハードウエアを用いて6足ロボットを制御する回路を実装し、実際に歩行できることを確認した。任意の歩行パターンを実現できる3層のDBNNを構築し、FPGA上に実装し、実験的に動作を確認した。
3) DBNNの解析と合成のために構築した基礎理論を他のシステムへと応用していく第一歩として、基本セルオートマトンと時変ルールセルオートマトンの解析と合成に関する数値実験を行った。音声データ圧縮への応用についても検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
3層のニューラルネットについて、所望の情報の銘記と安定化に関して、予想をしていなかった新しい理論構築に成功したため。
|
| Strategy for Future Research Activity |
所望の周期解の銘記を安定化に関する理論を、様々な安定化や、深層のシステムにも適用できるように発展させる。
セントラルパターンジェネレータへの応用について、様々な歩行パターンを柔軟にスイッチする方法を考案し、ハードウエアを実装する。
|
| Causes of Carryover |
2020年3月に蒲郡で開催予定であった電子情報通信学会NLP研究会で3件の発表を行うために旅費を準備していたが、COVID-19の影響により研究会が中止となったため。2020年度にCOVID-19が収束すれば、当初の予定通り旅費に使う予定である。
|
