採択課題 【詳細】
jh220007 | 偏った訓練データに基づく力学系の機械学習モデリング |
---|---|
課題代表者 | 齊木吉隆(一橋大学 大学院経営管理研究科) YOSHITAKA SAIKI |
概要 |
近年、機械学習の一種で、リカーレントニューラルネットワークをもったリザーバーコンピューティングが決定論的構造を背後にもつ時系列予測などに有効であることが報告されている。我々はこの機械学習手法を用いて比較的平穏な流体のエネルギー変数のモデルを構成し、予想を成功させている (Nakai and Saiki, Physical Review E, 2018)。 時間発展モデリングにおける機械学習の適切な活用のために、どのようなクラスの決定論的ダイナミクスが機械学習を用いてどのような観点、どのような精度でモデル化しうるかといったことを明らかにすることが期待されている。本研究では、力学系の基本的な構造である周期軌道を学習することを通して時系列モデリングに必要な学習データを力学系理論の観点から明らかにする。 |
関連Webページ | |
報告書等 | 研究紹介ポスター / 最終報告書 |
業績一覧 | (1) 学術論文 (査読あり) |
該当なし | |
(2) 国際会議プロシーディングス (査読あり) | |
該当なし | |
(3) 国際会議発表(査読なし) | |
該当なし | |
(4) 国内会議発表(査読なし) | |
該当なし | |
(5) 公開したライブラリなど | |
該当なし | |
(6) その他(特許,プレスリリース,著書等) | |
該当なし |
無断転載禁止