研究課題
基盤研究(C)
本研究では、以下の2つの研究を進めることにより、非線形性の強い特性を持つ関数、もしくは、システムのニューラルネットワークによる近似を可能にすることが目的である。具体的には、「学習データの与え方を改良した勾配法に基づく新たな学習アルゴリズムの提案」及び、「提案学習アルゴリズムのロバスト性に関する解析」である。ここで、本研究におけるロバスト性とは、初期値に依存することなく最適解を得られる、つまり、大域収束性のことを示す。また、回路の設計や最適化への応用を考慮した、所望するシステムの詳細な近似モデルのニューラルネットワークによる実現を目的とした研究へと発展させる。
すべて 2014 2013 2012 2011 その他
すべて 雑誌論文 (9件) (うち査読あり 9件) 学会発表 (7件) 備考 (1件)
IEICE Trans. on Fundamentals
巻: vol.E97-A,no.2 ページ: 675-678
巻: vol.E96-A,no.1 ページ: 356-359
Proc. 2013 RISP International Workshop on Nonlinear Circuits, Communications and Signal Processing (NCSP'13)
ページ: 185-188
Proc. IEEE&INNS/IJCNN'13
ページ: 1932-1937
信学論 A
巻: vol.J95-A,no.8 ページ: 698-703
Journal of Signal Processing
巻: vol.16,no.5 ページ: 451-458
Proc. 2012 International Symposium on Information Theory and its Applications (ISITA'12)
ページ: 712-716
Proc. IEEE&INNS/IJCNN'11
ページ: 2770-2777
巻: vol.15,no.6 ページ: 483-488
http://www.info.shonan-it.ac.jp/ninomiya-lab/ninomiya.html