权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Computing based on pseudo-billiard dynamics in hypercube and its applications

基于超立方体伪台球动力学的计算及其应用

基本信息

批准号：
20H04258
负责人：
香取勇一
金额：
$ 11.23万
依托单位：
Future University-Hakodate
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度は，超立方体上の疑似ビリヤード・ダイナミクスを用いた計算機構（超立方体計算）について，応用先の探索を進め，実装研究に着手した．特に予測符号化とレザバー計算を組み合わせた感覚情報処理モデル，強化学習とレザバー計算を組み合わせた運動制御モデル，またレザバー計算に基づく感覚情報処理と運動生成を組み合わせた統合情報処理モデル，さらにこれらのモデルを超立方体計算の枠組みに実装する研究を進めた．まずレザバー計算に基づく強化学習と予測符号化のモデルを統合した統合情報処理モデルを提案した．このモデルでは，感覚入力の予測と行動価値の推定を単一のレザバーからの読み出しにより行う．行動価値の学習は報酬に基づき行われる．また予測層の学習は予測の最小化の基準に基づいて行われる．このモデルは，強化学習タスクに利用できることに加えて，予測符号化により環境の変化を予測するメンタル・シミュレーションを実現する．このメンタル・シミュレーションによる行動計画の機構を２次元ロボットシミュレータ環境上で検証し，その有効性を確認した．効率的なレザバーハードウェアの実現が見込まれる超立方体計算レザバーをデジタル回路（FPGA）で実装し，その性能評価を行った．まず音声認識タスクにより，このレザバーの性能評価を行った．このタスクでは，数字の発話音声の時系列をコクリアグラムに変換し，それをレザバーへの入力とした．レザバーからの読み出しにより，０～９の数字に対応をするラベルを出力する．この数字の発話認識において認識性能が97%程度になることを確認した．さらにレザバー強化学習モデルを実装し，その評価を進めた．連続空間上の移動ロボットタスクにおいて，その基本的な動作の確認を行うことができた．

In 2022, the suspected ビリヤード・ダイナミクスを on the hypercube is calculated using いたMechanism (hypercube calculation) is in progress, exploration is in advance, and research on installation is in progress. Special prediction symbolization calculation and group analysis, strong intelligence processing Chemistry learning and calculations, group calculations, movement control, calculations The information processing and movement generation team of the group of に本づく榚 intelligibility processing and motion generation み合わせたintegrated information processing モデル,さらにこれらのモデルをHypercube calculation の枠组みに実装する Research を Advance めた．まずレザバーcalculation basis づくreinforcement learning とprediction symbolization のモデルをintegration したintegrated information processing モデルを proposal した.このモデルでは, feel the force of the prediction and action 価値の inference を単一のレザバーからの読み出しにより行う． Action 価値の学はReward に记づき行われる． The learning of the prediction layer is the basis of the minimization of the prediction layer.このモデルは, reinforcement learning タスクに utilizes できることにplus えて, prediction symbolization Changes in the environmental environment are expected to occur in the future.このメンタル・シミュレーションによる Action Plan Organization を 2 Dimension The ロボットシミュレータ environment has been certified and its validity has been confirmed. Efficient なレザバーHypercube calculation レザバーをデジタル loop (FPGA) installation, performance evaluation, performance evaluation.まず sound recognition タスクにより, このレザバーの performance review価を行った.このタスクでは, digital の発声の时 series をコクリアグラムに変changeし, それをレザバーへの入力とした.レザバーからの読み出しにより, 0～９のNUMBERS に対応をするラベルを出力する.このNumbersの発话知においてKnowledge performanceが97% levelになることをconfirmした.さらにレザバーReinforcement learning モデルを実装し, そのvaluation価を进めた． The movement in the space is done continuously, and the basic movement of the basic movements is confirmed.

项目成果

期刊论文数量（51）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

A Co-design Environment for Computational Models and Circuits Using PyLTSpice and Its Application to Circuit Design for Reinforcement Learning Using Reservoir Computing

使用 PyLTSpice 的计算模型和电路协同设计环境及其在使用储层计算的强化学习电路设计中的应用

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Y. Shishido;K. Kawazoe;K. Tamai;Y. Katori;H. Tamukoh;O. Nomura;T. Morie
通讯作者：
T. Morie

FPGA Implementation and Verification of Reservoir Computing Based on Pseudo-Billiard Dynamics in Hypercube

超立方体中基于伪台球动力学的油藏计算的FPGA实现与验证

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Daichi Yamamoto;Ichiro Kawashima;Hakaru Tamukoh;Takashi Morie;and Yuichi Katori
通讯作者：
and Yuichi Katori

Short-term memory ability of reservoir-based temporal difference learning model

基于水库的时间差异学习模型的短期记忆能力

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
李広;藤後廉;小川貴弘;長谷山美紀;Yu Yoshino and Yuichi Katori
通讯作者：
Yu Yoshino and Yuichi Katori

海馬・扁桃体・前頭前野の機能を統合した脳型AIハードウェア

整合海马、杏仁核、前额皮质功能的脑形AI硬件

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Akinobu Mizutani;Yuichiro Tanaka;Hakaru Tamukoh;Yuichi Katori;Katsumi Tateno;and Takashi Morie;徳野将士，田中悠一朗，川節拓実，細田耕，田向権;田中悠一朗，田向権，立野勝巳，田中啓文，森江隆
通讯作者：
田中悠一朗，田向権，立野勝巳，田中啓文，森江隆

A Reservoir Based Q-learning Model for Autonomous Mobile Robots

基于水库的自主移动机器人 Q 学习模型