文献

J-GLOBAL ID：201902257582830822   整理番号：19A2402273

貯留層計算機におけるカオスアトラクタの符号化:方向性ファイバ研究【JST・京大機械翻訳】

Encoding of a Chaotic Attractor in a Reservoir Computer: A Directional Fiber Investigation

著者 (4件)： Krishnagopal Sanjukta (Dept. of Physics, University of Maryland, College Park, MD, USA) ,  Katz Garrett (Dept. of Elec. Engr. and Comp. Sci, Syracuse University, Syracuse, NY, USA) ,  Girvan Michelle (Dept. of Physics, University of Maryland, College Park, MD, USA) ,  Reggia James (Dept. of Computer Science, University of Maryland, College Park, MD, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IJCNN  ページ： 1-8  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,カオス信号の表現が学習を通してどのように符号化されるかについての洞察を得るために,リザーバコンピューティングと呼ばれる機械学習技術の動的特性を研究した。個々のカオスLorenz信号に関する貯留層を訓練した。Lorenz系は一組の方程式により特徴付けられ,三つの固定点を持つことが知られており,その全ては奇妙なアトラクタのカオス領域において不安定である。出力が訓練されている貯留層の固定点の探査は,固有Lorenz動力学が学習中の貯留層動力学に変換されるかどうかを理解することを可能にする。そこで,指向性ファイバと呼ばれる新しい不動点発見技術を用いることにより,この方法を用いた。方向性ファイバは,高次元空間において固定点を系統的に位置決めする数学的オブジェクトであり,他の伝統的アプローチと競合的で相補的であることが分かった。出力重みの訓練後の貯留層は,訓練データが固定点を含まないにもかかわらず,整合安定性を有するLorenz固定点のより高い次元射影を含むことを見出した。このことは,貯留層がLorenzアトラクタの力学的性質を実際に学習することを意味する。また,方向性ファイバは,射影Lorenzアトラクタ領域の外側の貯留層空間における付加的固定点を同定することも見出した。これらの増幅は予測中に摂動を増幅し,長期時系列予測の失敗に役割を果たす。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  ストレンジアトラクタ ,  *計算機械 ,  学習 ,  *カオス ,  不動点 ,  *アトラクタ ,  射影 ,  指向性 ,  高次元
準シソーラス用語： 訓練データ ,  ローレンツ系 ,  リザーバー ,  *カオスアトラクタ ,  *貯留層 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 貯留層 ,  計算機 ,  カオスアトラクタ ,  符号化 ,  方向性 ,  ファイバ ,  研究