文献

J-GLOBAL ID：201902234545738973   整理番号：19A0346435

リザバーコンピューティングの概念と最近の動向

著者 (1件)： 田中剛平 (東大 大学院工学系研究科 国際工学教育推進機構)
資料名： 電子情報通信学会誌  (Journal of the Institute of Electronics, Information and Communication Engineers)
巻： 102  号： 2  ページ： 108-113  発行年： 2019年02月01日 
JST資料番号： F0019A  ISSN： 0913-5693  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： リザバーコンピューティングは再帰的ニューラルネットワークの特殊なモデルを一般化した概念で,時系列情報処理に適した機械学習の枠組みの一つである。リザバーコンピューティングの最大の特長は,入力信号をリザバーで変換した後,読出し部のみを簡便なアルゴリズムで訓練することで,極めて高速な学習を可能にする点である。近年,リザバーコンピューティングの応用範囲は急速に広がり,また物理的リザバーを利用した機械学習デバイスの開発も注目されている。本稿では,リザバーコンピューティングの概要と最近の動向を紹介する。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  時系列分析 ,  時系列 ,  データマイニング ,  再帰性 ,  高速アルゴリズム ,  リザバーコンピューティング ,  時系列データマイニング ,  リカレントニューラルネットワーク
準シソーラス用語： 時系列解析 ,  再帰型ニューラルネットワーク ,  リザバー計算

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

引用文献 (19件)：

• M. Lukoševičius and H. Jaeger, “Reservoir computing approaches to recurrent neural network training,” Computer Science Review, vol. 3, no. 3, pp. 127-149, 2009.
• G. Tanaka, T. Yamane, B.J. Heroux, R. Nakane, N. Kanazawa, S. Takeda, H. Numata, D. Nakano, and A. Hirose, “Recent advances in physical reservoir computing : A review,” arXiv : 1808.04962, 2018.
• P.J. Werbos, “Backpropagation through time : what it does and how to do it,” Proc. IEEE, vol. 78, no. 10, pp. 1550-1560, 1990.
• R.J. Williams and D. Zipser, “A learning algorithm for continually running fully recurrent neural networks,” Neural Comput., vol. 1, no. 2, pp. 270-280, 1989.
• H. Jaeger, “The “echo state” approach to analyzing and training recurrent neural networks-with an erratum note,” GMD Technical Report 148, German National Research Center for Information Technology, 2001.

タイトルに関連する用語 (3件)： リザバーコンピューティング ,  概念 ,  動向