スパースセンシングの制御系設計への展開

点击翻译按钮获取中文摘要

本年度は昨年度に引き続き、「1.僅かな情報量のセンシングデータから構築された数理モデル(疎性数理モデル)と再構成データを用いてフィ ードバック制御系を構成する手法」を導出、および、「2.疎性数理モデルと再構成データを用いた予測制御手法の確立」するための基礎研究を 実施した。昨年度までに構築したデータ点ごとに区分的アフィンシステムを構築する手法の精度向上のため、オートエンコーダーに基づく深層学習を利用した手法を導出した。研究代表者が過去に提案したNull Space Alternatively Optimization　法（NSAO法）がオートエンコーダーと同様な考え方に基づく手法であることを示した。同手法は活性化関数に線形関数を用いた場合のオートエンコーダーと同じであるため、活性化関数を非線形関数に拡張した。具体的には、LeRu関数およびTanh関数を用いたオートエンコーダーを用いた手法を導出した。さらに、１層から多層に拡張し、深層学習でもちいられる計算ツールを用いて、高速、かつ、高精度に信号修復とモデル構築を実現する手法を導出した。多くの数値実験により、提案手法の有効性を確認している。