2019 Fiscal Year Research-status Report
非同期で不均一なセルオートマトンを計算資源として用いる
| Project/Area Number |
19K12143
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
浦上 大輔 日本大学, 生産工学部, 准教授 (40458196)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | セルオートマトン / リザバーコンピューティング / 学習システム / 非同期 |
|---|
| Outline of Annual Research Achievements |
リザバーコンピューティング（RC）による時系列データの学習において、セルオートマトンの臨界的な時空間パターンが実際により高い学習能力を有することを明らかにしたことと、非同期セルオートマトンを用いたRCはオーダー・パラメータに対して普遍的に高い学習能力を有することを明らかにしたこと、以上の２つが本年度の主要な研究実績である。前者はRCにおける一般的な議論としては示唆されていたことではあるが、セルオートマトンを用いたＲＣの先行研究においては、カオス的なものと臨界的なものの学習の能力の違いは不明であった。本研究では学習する時系列データに含まれるディストラクタ（学習対象とは関係のない時系列データ）を極端に長くすることによって、臨界的なものの方がディストラクタの影響が小さい、つまり学習能力が高いことを示すことに成功した。後者については、非同期セルオートマトンがオーダー・パラメータに対して普遍的に臨界的な時空間パターンを生成することは既に我々の研究で明らかになっており、そのことと前者から推察される結果であった。しかし、臨界性の判別は必ずしも一義的ではなく、また、学習する時系列データとの相性による違いも考えられるため、実際のところはシミュレーションによって確認する必要があることであった。シミュレーションの結果、非同期セルオートマトを用いたＲＣは通常のセルオートマトンを用いたＲＣと比べて、オーダー・パラメータに対して普遍的に学習能力が高いことと、学習データに含まれるディストラクタが長い場合にその差がより顕著になることを示すことができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
概ね計画通りに進捗している。リザバーの大きさと学習能力の関係を調査する計画であったが、それに関しては当初の計画より調査範囲を限定して実施した。その理由は、本研究の実施期間の開始前の段階である程度調査済みであったこと、本年度に主に実施した学習する時系列データの長さに関する調査は、実質的にリザバーの大きさに関する調査と同等であることなどの理由による。
|
| Strategy for Future Research Activity |
時系列データを学習中のリザバーの状態（＝セルオートマトンの状態）を解析する指標を新たに考案し、その指標を用いた解析によって提案システムの有効性が依拠するメカニズムを明らかにする。その指標の着想は既にあり、それは学習中のリザバーの状態の新奇性のようなものを数値化したものである。それはリアプノフ指数などの従来の解析指標と大きく異なるものではないが、リザバーとして求められる特性を見極めることにより即した指標である。その指標を活用した網羅的な調査と、その結果から逆に学習システムの改善方法を考察することを並行して実施することが、今後の研究の中心的な推進方策である。
|
| Causes of Carryover |
概ね計画通りに研究費を使用している。物品費についてはＰＣの購入費として次年度に使用する。その理由は、既存のＰＣで代替可能であったことと、研究成果が想定よりも早く出たのでその成果を公表することに注力したことなどによる。人件費についは、英語論文の校正費用として次年度に実施する。その理由は、本年度は和雑誌への投稿を優先したためである。
|
