2021 Fiscal Year Annual Research Report
Hardware implementation and applications of analog high-dimensional neural system using simultaneous perturbation learning
| Project/Area Number |
18K11483
|
|---|
| Research Institution | Kansai University |
|---|
Principal Investigator |
前田 裕 関西大学, システム理工学部, 教授 (60209393)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
肥川 宏臣 関西大学, システム理工学部, 教授 (10244154)
三好 誠司 関西大学, システム理工学部, 教授 (10270307)
伊藤 秀隆 関西大学, システム理工学部, 教授 (20268311)
本仲 君子 関西大学, システム理工学部, 助教 (70781772)
黒江 康明 同志社大学, 研究開発推進機構, 嘱託研究員 (10153397)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | ニューラルネットワーク / 統計力学的解析 / 有限サイズ効果 / 分岐解析 / 自己組織化マップ / 生体ネットワーク / 動作計画 / 同時摂動 |
|---|
| Outline of Annual Research Achievements |
スパイキングおよび高次元ニューラルネットワークの学習法、遺伝子ネットワークの解析・設計法、およびデータ同化、強化学習に基づくシステムの解析、設計、制御法などの検討を行い、それぞれ基礎から応用までの成果が得られた。ニューラルシステム型パターン生成器の新しい一形態として、カオス機構に基づく複数周期パターン生成器を数値的・系統的に設計する手法を開発し、関連して混合モード振動の応用の鍵となる分岐現象の詳細構造を解析した。さらに、数種類の次元で実行された計算機実験の結果と統計力学的解析により得られた結果の比較により、線形パーセプトロンを勾配法で学習する場合には汎化誤差が大きくなる方向に有限サイズ効果が表れるのに対し、単純パーセプトロンをヘブ学習・パーセプトロン学習・アダトロン学習で学習する場合には小さくなる方向に表れることが明らかになった。また、有限サイズ効果を高い精度で説明する現象論を導出した。
ニューラルネットワークの実装においては、アナログ回路により学習機構の作成と評価を行った。加えて、ベクトルをパルス信号の周波数で表す SOM の開発を行った。これにより、従来の数値演算によらない回路で SOM の演算を行うユニークなハードウェア SOM を実現した。次に、SOM のサイズを容易に拡大できるよう、入子構造のハードウェア SOM を提案した。
応用面においては、クワッドロータの制御において相互衝突回避アルゴリズムを実装することで、複数台の機体が飛び交う環境においても、互いに衝突することなく所定の目標位置に到達可能であることをシミュレーションおよび実機実験により確認した。
|
