@techreport{oai:ipsj.ixsq.nii.ac.jp:00218611,
 author = {藤本, ありさ and 山本, 英明 and 守谷, 哲 and 徳田, 慶太 and 香取, 勇一 and 佐藤, 茂雄 and Arisa, Fujimoto and Hideaki, Yamamoto and Satoshi, Moriya and Keita, Tokuda and Yuichi, Katori and Shigeo, Sato},
 issue = {41},
 month = {Jun},
 note = {本研究では，レザバーコンピューティングにおいてレザバーとして用いるリカレントニューラルネットワーク (RNN) の構造をタスクに応じて最適化することを目的として，対称性を制御したガウシアンランダム行列における対称性の強さと出力性能の関係を調べた．性能評価は，手書き文字筆記のための時系列信号を出力するタスクを用いて行った．出力ターゲットの速さと対称性を操作したレザバーが生成するダイナミクスの速さを比較したところ，出力ターゲットに応じて適切な対称性が生まれることが分かった．この結果は，従来行われているスペクトル半径の調整に加えて，結合行列の対称性操作が高性能・高効率なレザバーの設計方法の 1 つとなる可能性を示唆している．, In this study, we investigated the relationship between the strength of symmetry in a Gaussian random matrix of a recurrent neural network (RNN) and its reservoir computing performance for optimizing network topology of RNNs in reservoir computing models. The performance of the random network with various symmetry was evaluated based on a task that outputs time-series signals for writing handwritten digits. Matrix symmetry influenced the speed of the dynamics in the reservoir layer, and the highest performance was achieved when the speed of the target output was comparable to that of the network dynamics. This result suggests that, in addition to the conventional adjustment of the spectral radius, optimization of the matrix symmetry in the weight matrix could be used to efficiently improve the performance of reservoir networks.},
 title = {結合行列の対称性制御によるリカレントニューラルネットワークの構造最適化},
 year = {2022}
}