2021 Fiscal Year Final Research Report

Hardware implementation and applications of analog high-dimensional neural system using simultaneous perturbation learning

Research Project

PDF

Project/Area Number	18K11483
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61040:Soft computing-related
Research Institution	Kansai University
Principal Investigator	Maeda Yutaka 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 Final Research Achievements	It is crucial to analyze learning mechanism of neural networks(NNs). We developed learning methods for spiking and high-dimensional NNs, and obtained analysis, design and control methods for gene networks. Neural system-based pattern generation was explored to lead to a framework for designing periodic orbits embedded in chaotic attractors. We also revealed fine bifurcation structures in mixed-mode oscillations. And we derived the phenomenology of finite size effects for online learning using four types of learning rules: gradient, Hebbian, perceptron, and adatron learning using statistical mechanics methods. We made an analog NN with learning mechanism and confirmed basic operation. Moreover, we developed a high speed self-organizing maps hardware system with pulse frequency expression and nested architecture. As an application, we implemented mutual collision avoidance and consensus control methods of multiple quadrotors to achieve autonomous surveillance in an unknown environment.
Free Research Field	コンピュテーショナルインテリジェンス
Academic Significance and Societal Importance of the Research Achievements	近年、システムはますます大規模、複雑化し、知能的なシステムを知能的に実現するための方法論の構築があらゆる分野で高まっている。本研究の成果は、ニューラルネットワークに関する学習理論やそのハードウェアによる実現法などに関して、非線形動的システム理論や統計力学的なアプローチなどの観点から基礎的な解析法を与え、系統立てた設計が容易方法論を提示し、これらをニューラルネットワーク実現のための用いる道筋を示すもので、学術的にも社会的にもその意義は高い。