自己組織化マップを用いたノイズを含むカオス時系列データの解析

使用自组织图分析包括噪声的混沌时间序列数据

• 批准号: 07J07384
• 负责人: 松下 春奈
• 金额: $ 1.79万
• 依托单位: The University of Tokushima
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 2009
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-07J07384/
• 关键词: 自己組織化マップ; 教師なし学習; ニューラルネットワーク; クラスタリング; 粒子群最適化法; 非線形最適化問題; 複雑ネットワーク; 複雑系; データマイニング; 特徴抽出; 競合学習; 教師無し学習

粒子群最適化(Particle Swarm Optimization : PSO)は,鳥の群れの動きをモデル化した群知能の一種である.概念が単純であり実現が容易な上,収束が早いという特徴を持つことから,近年,異なる分野の様々な応用に用いられている.しかしながら,パラメータに大きく依存することや,多数の局所解を持つような複雑な問題を解く場合においての早すぎる収束などが,PSOの問題点として挙げられている.PSOは複数の解(粒子)群で構成され,各粒子は位置と速度の情報を持っている.PSOは,これらの情報を群内で交換しながら良好な位置を探すが,粒子間に特別な繋がりはない.つまり,各粒子の情報は固体が最も良かった位置と群全体で最も良かった位置に従って更新するが,どちらを重要視するかの重みは毎更新ごとにランダムで決められる.しかしながら,実社会においては,上下関係,信頼関係,親子関係などの様々なネットワークが存在している.そこで,近傍関係を考慮するネットワーク構造型内PSO(NS-PSO)を提案し,四角形,六角形,円筒,トロイダルの4種のトポロジーに適用した.シミュレーション結果より,環状トポロジーは,各粒子の最良位置の情報が群全体に伝わりやすいことから,単峰性関数に適していることを確認した.また,六角形トポロジーには振る舞いの異なる様々な粒子が共存しており,早すぎる収束を防ぐことから,複雑な多峰性関数に効果的であることを確かめた.

Particle Swarm Optimization (PSO) is a method of swarm optimization. The concept is pure and simple, and it is easy to realize it. In recent years, the characteristics of different fields have been used in different fields. For example, if the particle size is large, the particle size is large, and the particle size is small, the particle size is large, and the particle size is small, then the particle size is small. Between particles, there is a special. The information of each particle is updated according to the best position of the whole group, and the important position is updated according to the best position of the whole group. The relationship between the upper and lower levels of society, the relationship between the trust and the parent-child relationship, and the relationship between the two sides of society exist. The NS-PSO (NS-PSO) is proposed to be tetragonal, hexagonal, cylindrical, and tetragonal. The results of the analysis show that the optimal position of each particle is determined by the optimal position of each particle. The difference between the hexagonal vibration and the multi-peak vibration is that the particles are blue shifted, and the multi-peak vibration is caused by the multi-peak vibration.

项目成果

様々なトポロジーを持つネットワーク構造型粒子群最適化法とその振る舞い

多种拓扑网络结构粒子群优化方法及其行为

• 发表时间: 2010
• 作者: 林 雄二郎;田中 和典;赤崎 達志;定 昌史;熊野 英和;末宗 幾夫;Haruna MATSUSHITA;Keiko KANDA;Haruna MATSUSHITA;Haruna MATSUSHITA;Haruna MATSUSHITA;松下春奈
• 通讯作者: 松下春奈

Network-Structured Particle Swarm Optimizer with Various Topology and its Behaviors

具有多种拓扑结构的网络结构粒子群优化器及其行为

• 发表时间: 2009
• 作者: 林 雄二郎;田中 和典;赤崎 達志;定 昌史;熊野 英和;末宗 幾夫;Haruna MATSUSHITA;Keiko KANDA;Haruna MATSUSHITA;Haruna MATSUSHITA;Haruna MATSUSHITA;松下春奈;Haruna MATSUSHITA;Haruna MATSUSHITA;Haruna MATSUSHITA;Haruna MATSUSHITA
• 通讯作者: Haruna MATSUSHITA

Neural Gas Containing Two Kinds of Neurons and its Behaviors

含有两种神经元的神经气体及其行为

• 发表时间: 2008
• 期刊: RISP Journal of Signal Processing vol.12, no.4
• 作者: 林 雄二郎;田中 和典;赤崎 達志;定 昌史;熊野 英和;末宗 幾夫;Haruna MATSUSHITA;Keiko KANDA
• 通讯作者: Keiko KANDA

Tentacled Self-Organizing Map for Effective Data Extraction

用于有效数据提取的触手自组织映射

• 发表时间: 2007
• 期刊: IEICE Transactions on Fundamentals vol.E90-A,no.10
• 作者: 林 雄二郎;田中 和典;赤崎 達志;定 昌史;熊野 英和;末宗 幾夫;Haruna MATSUSHITA;Keiko KANDA;Haruna MATSUSHITA;Haruna MATSUSHITA
• 通讯作者: Haruna MATSUSHITA

Network-Structured Particle Swarm Optimizer Considering Neighborhood Relationships

考虑邻域关系的网络结构粒子群优化器

• 发表时间: 2009
• 作者: 林 雄二郎;田中 和典;赤崎 達志;定 昌史;熊野 英和;末宗 幾夫;Haruna MATSUSHITA;Keiko KANDA;Haruna MATSUSHITA;Haruna MATSUSHITA;Haruna MATSUSHITA;松下春奈;Haruna MATSUSHITA;Haruna MATSUSHITA;Haruna MATSUSHITA
• 通讯作者: Haruna MATSUSHITA