興奮抑制バランスを用いたリザバー層の自律的構成

機械学習の中でも、時系列データを高速に処理するリザバーコンピューティグが近年大きな注目を集めている。リザバーコンピューティングでは、重ね合わせの原理が成り立たない非線形ニューロン群をリザバー層に配置し、入力データを高次元特徴空間に射影することで、入力データの分離と非線形変換を高速に行うことができる。リザバー層のシナプス結合とネットワーク構造は学習に先立ってカオス状態に調整される必要があるが、リザバー層が大きくなるとその調整は困難となる。一方、脳の神経回路では、興奮性と抑制性のニューロンの数と強度が均衡し、カオス状態が自律的に組織される現象が知られている(興奮抑制バランス)。そこで本研究課題では、神経回路の興奮抑制バランスを用いてリザバー層のパラメータ調整を自律的に行うシステムを開発する。

機械学習の中でも、時系列データを高速に処理するリザバーコンピューティグが近年大きな注目を集めている。リザバーコンピューティングでは、重ね合わせの原理が成り立たない非線形ニューロン群をリザバー層に配置し、入力データを高次元特徴空間に射影することで、入力データの分離と非線形変換を高速に行うことができる。リザバー層のシナプス結合とネットワーク構造は学習に先立ってカオス状態に調整される必要があるが、リザバー層が大きくなるとその調整は困難となる。一方、脳の神経回路では、興奮性と抑制性のニューロンの数と強度が均衡し、カオス状態が自律的に組織される現象が知られている(興奮抑制バランス)。そこで本研究課題では、神経回路の興奮抑制バランスを用いてリザバー層のパラメータ調整を自律的に行うシステムを開発する。