| 研究課題/領域番号 |
18J21595
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
滝沢 雅明 慶應義塾大学, 理工学研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2018-04-25 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,500千円 (直接経費: 2,500千円)
2020年度: 800千円 (直接経費: 800千円)
2019年度: 800千円 (直接経費: 800千円)
2018年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | 適応非線形関数推定 / 再生核 / 再生核適応フィルタ / パラメータ最適化 |
|---|
| 研究実績の概要 |
既存の再生核適応フィルタでは，推定対象の関数に応じて再生核自身のパラメータを手動で設定する必要があった．例えば，ガウス核の場合には，ガウスの幅がパラメータであり，推定対象の関数の周波数成分に応じて適切に決定する必要があった． これらの問題点は時系列予測の応用においても推定精度に大きな影響を与えうるため，昨年度，再生核自身のパラメータを自動的に調整する再生核適応アルゴリズムの提案を行った． 本アルゴリズムについて，さらなる性能検証を実施し，初期パラメータ選択に対するロバスト性を数値実験にて実証した．また，コスト関数の単調減少性を含む理論的な解析を実施し，これらの成果をまとめた論文はIEEE Accessに再録されている本アルゴリズムの性能検証を通して，ガウス幅の初期値が最適幅から遠い際に，学習の速度が著しく遅くなることを確認した．そこで，コスト関数への補正を加えることにより，ガウス幅の学習速度の改善を試みた．本研究の成果は2020年5月に開催されたICASSP 2020に採択され発表を行った．
さらに，時系列データが非定常であることを想定し，非定常なシステムを高速に追従する非線形推定アルゴリズムを検討した．推定アルゴリズムは再生核適応フィルタを基とし，多核適応アルゴリズムをさらに拡張することにより高速な推定を実現する．アルゴリズムの構築および実装は実現されており，簡単な数値実験では有効性が確認できた．今後，さらに詳細な性能評価および既存アルゴリズムとの比較を行い，論文にまとめる．
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
