Dynamics analysis of attractors of large-scale dynamical systems and their relationship with the emergence of swarm intelligence

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K11978
• 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: Tokyo City University
• Principal Investigator: Jin'no Kenya 東京都市大学, 情報工学部, 教授 (50286762)
• Co-Investigator(Kenkyū-buntansha): 中野 秀洋 東京都市大学, 情報工学部, 教授 (10386360)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 非線形力学系 / アトラクタ / ダイナミクス / カオス / 粒子群最適化法 / 多層ニューラルネットワーク / 学習法 / リザバーコンピューティング

Outline of Final Research Achievements

We proposed hysteresis-reservoir computing (HRC), and showed that the memory capacity of the system can be increased by changing the time constant of each neuron. On the other hand, we showed that the local search capability of the particle swarm optimization method (PSO) can be improved by introducing the chaos phenomenon into the dynamics of the swarm. By generalizing this method, we found that the dynamics of the local solution search can be changed and the solution search ability can be improved by giving appropriate micro-oscillations to the dynamics of each particle and by changing the optimal solution information to be referred to. We also studied the results of using our proposed system for training multilayer neural networks (MNNs). In MNNs, the performance is improved by increasing the number of neurons and layers in the intermediate layer.

Free Research Field

非線形力学系解析

Academic Significance and Societal Importance of the Research Achievements

大自由度力学系である人工ニューラルネットワークおよび粒子群最適化法に内在するアトラクタのダイナミクスを解析し、カオス振動に代表される非線形振動がニューラルネットワークの性能の改善、竜進軍最適化法での解探索能力の改善に繋がることを明らかにした。その結果、従来のダイナミクスを積極利用しない方法に比べて非常に優れた能力を発揮することを明確にした。更に粒子群最適化法において群知能創発は発振器の同期現象と深く関係していることも実験的に明らかにした。