カオス的なニューラルネットにおける動的入力への同期によるパターン認識の研究

• 研究課題/領域番号: 23K11259
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61040:ソフトコンピューティング関連
• 研究機関: 順天堂大学
• 研究代表者: 徳田 慶太 順天堂大学, 健康データサイエンス学部, 講師 (50762176)
• 研究分担者: 藤原 直哉 東北大学, 情報科学研究科, 准教授 (00637449)
• 研究期間 (年度): 2023-04-01 – 2026-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円); 2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2023年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
• キーワード: カオス / ニューラルネットワーク / レザバー計算

研究開始時の研究の概要

一般に、リカレントニューラルネットがカオスを持つと複雑な時系列パターンを生成できるが、一方で、初期値依存性により入力への安定な応答を得るのが難しくなる。本研究では、非線型系の特徴である同期現象に着目し、周期性のある入力を用いることで、システムのカオス性を利用した高い表現力と安定な入出力関係を両立する新しい枠組みを提案する 。これにより、脳において観測されている過渡的な同期現象の機能的役割に関する洞察を得ることを目指す。