| 研究課題/領域番号 |
20K11978
|
|---|
| 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 | 東京都市大学 |
|---|
研究代表者 |
神野 健哉 東京都市大学, 情報工学部, 教授 (50286762)
|
|---|
| 研究分担者 |
中野 秀洋 東京都市大学, 情報工学部, 教授 (10386360)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 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 |
|---|
| 研究成果の概要 |
ヒステリシスニューロンを相互結合させた系をリザバー層に適用させたヒステリシスリザバーコンピューティングを提案し、各ニューロンの時定数を変化させることで記憶容量が増大することも明らかにした。一方、粒子群最適化法ではそのダイナミクスにカオス現象を導入することで局所探索能力が向上することを明らかにした。これを一般化し各粒子のダイナミクスに適切な微小振動を与えることと参照する最適解情報を変化させることで局所解探索に関するダイナミクスが変化し、解探索能力が向上することを明らかにした。最適解の探索能力が向上した粒子群最適化法を多層ニューラルネットワークの学習に使用した結果について検討を行った。
|
| 自由記述の分野 |
非線形力学系解析
|
| 研究成果の学術的意義や社会的意義 |
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。
|
