自己構成型大脳新皮質学習による高次アンサンブル予測

使用自配置新皮质学习的高阶集成预测

• 批准号: 20J14240
• 负责人: 青木 健
• 金额: $ 1.09万
• 依托单位: The University of Electro-Communications
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-24 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J14240/
• 关键词: 時系列予測; 大脳新皮質学習アルゴリズム; 階層時間記憶

本研究では，CLAによる時系列予測性能を向上するため，予測器の構成と取扱い方に関する方法論を構築し，その効果を検証することを目的とした．時系列予測性能を，(A)様々なデータに対応できること，(B)予測精度，(C)予測速度の三つにわけ，上述の従来のCLAにおける問題点を解決する方法論を提案した．まず，(A)様々なデータへの対応を目的として，(1)入力データ値の偏りにあわせて予測器を変更するシナプスの適応配置法を提案した．これにより，従来法では，入力データの表現に利用されなかったカラムを活用できるようになり，人工のテスト時系列データ，実世界の電力消費量データにおける予測性能が改善されることを明らかにした．次に，(B)予測精度の向上を目的として，オンラインでの予測器の適応的構成を促進するため，(2)セルのシナプスネットワークの構築を促進させる不活性セルのシナプス更新法を提案した．従来法が，予測の成功時にシナプスを更新するのに対し，提案法は，予測の失敗時にもシナプスを更新する手段を導入し，予測精度が改善されることを示した．また，予測器内におけるデータの表現力を高め，予測を補正するため，(3)CLAの予測器を階層化して予測を補正する方法を提案し，時系列予測性能が高まることを明らかにした．さらに，(C)予測速度の向上を目的として，予測器の内部状態を数値に変換するデコーダについて，(4)学習を回避するカラムに基づくデコーダを提案した．従来法が，デコーダの構築に学習を要するのに対し，提案法は，既存のシナプスネットワークを活用することで，学習を回避してデコードできるだけでなく，テスト時系列データ，電力消費量の予測性能が高まることを示した．

This study aims to improve the prediction performance of CLA time series. Time series prediction performance,(A) data processing,(B) prediction accuracy,(C) prediction speed,(C) prediction speed,(D) time series prediction accuracy,(C) prediction speed,(D) time series prediction accuracy,(C) time series prediction accuracy,(D) time series prediction accuracy,(C) time series prediction accuracy,(D) time series prediction accuracy,(C) time series prediction accuracy,(D) time series prediction accuracy (1) The appropriate allocation method for the input data value is proposed. In this way, the performance of the input power is improved by using the artificial time series, and the world's power consumption is improved by predicting the performance of the input power. Secondly,(B) the improvement of the prediction accuracy and the improvement of the structure of the sensor;(2) the improvement of the structure of the sensor. A new method for predicting success is proposed. The performance of CLA is high, and the prediction is corrected. In addition,(C) the upward direction of the prediction speed, the internal state of the sensor, the numerical value of the change,(4) the learning to avoid the basic change, and (5) the change of the internal state of the sensor. The proposed method is to avoid the use of existing data sets and to predict the power consumption performance.

项目成果

大脳新皮質学習におけるカラムに基づく予測表現デコーダに関する検討

新皮质学习中基于列的预测表示解码器的研究

• 发表时间: 2020
• 作者: Koya Ihara;Shohei Kato;青木健，高玉圭樹，佐藤寛之
• 通讯作者: 青木健，高玉圭樹，佐藤寛之

Adaptive Synapse Arrangement in Cortical Learning Algorithm

皮质学习算法中的自适应突触排列

• DOI: 10.20965/jaciii.2021.p0450
• 发表时间: 2021
• 期刊: Journal of Advanced Computational Intelligence and Intelligent Informatics
• 影响因子: 0.7
• 作者: Aoki Takeru、Graduate School of Informatics and Engineering;The University of Electro-Communications 1-5-1 Chofugaoka;Chofu;Tokyo 182-8585;Japan、Takadama Keiki、Sato Hiroyuki
• 通讯作者: Japan、Takadama Keiki、Sato Hiroyuki

大脳新皮質学習の階層化における抑制フィードバックの検討

新皮质学习层次中抑制反馈的检查

• 发表时间: 2021
• 作者: Takeru Aoki;Keiki Takadama;and Hiroyuki Sato;青木健，高玉圭樹，佐藤寛之
• 通讯作者: 青木健，高玉圭樹，佐藤寛之

Double-layered Cortical Learning Algorithm for Time-series Data Prediction

用于时间序列数据预测的双层皮层学习算法

• 发表时间: 2021
• 作者: Takeru Aoki;Keiki Takadama;and Hiroyuki Sato
• 通讯作者: and Hiroyuki Sato

大脳新皮質学習における多層化に関する検討

新皮质学习的多层化研究

• 发表时间: 2021
• 作者: Takeru Aoki;Keiki Takadama;and Hiroyuki Sato;青木健，高玉圭樹，佐藤寛之;青木健，高玉圭樹，佐藤寛之
• 通讯作者: 青木健，高玉圭樹，佐藤寛之