2020 Fiscal Year Annual Research 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 | ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
シグナム活性化関数と3値結合パラメータ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、合成、応用に関する研究を行い、以下のような成果を得た。
1) 3層のDBNNの結合パラメータが時不変である場合、所望の周期軌道を銘記する合成方法を確立した。そして, 所望の周期軌道を銘記した場合、DBNNの中間層のニューロンの1つをドロップアウトすると、周期軌道を大域安定にできることを理論的に明らかにした。
2) 3層のDBNNの結合パラメータを時変とし、複数の所望の周期軌道を銘記して大域安定とする合成法を構築した。さらにその複数の周期軌道を、所望の経路を通って切り替える方法も構築した。設計用ソフトウエアを使用して、この時変パラメータを含むDBNNのハードウエアを設計し、 FPGAを用いて実装した。このハードウエアを用いて、典型的な周期軌道の切り替わりを実験的に確認した。
3) FPGAに基づくハードウエアを6足歩行ロボットの歩行制御へ応用した。この応用では、周期軌道はロボットの歩行パターンに対応し, 複数の周期軌道の切り替わりは、複数の歩行パターンの移り変わりに対応する。ハードウエアの出力信号をロボットの制御信号に変換することにより、典型的な歩行パターンの切り替わりを実現した。なお、このハードウエアでは、消費電力を抑えた効率のよい動作が可能である。
4) DBNNの解析と合成のために構築した基礎理論を発展させるために、セルオートマトンの生成する周期的時空パターンを簡素な特徴量を用いて解析した。そして、その時空パターンを音楽合成へ応用するための基礎固めを行った。
|
