@techreport{oai:ipsj.ixsq.nii.ac.jp:00218673,
 author = {河合, 祐司 and 朴, 志勲 and 津田, 一郎 and 浅田, 稔 and Yuji, Kawai and Jihoon, Park and Ichiro, Tsuda and Minoru, Asada},
 issue = {43},
 month = {Jun},
 note = {特定のタイミングで複雑な時空間パターンを生成する脳の能力は,運動学習や時系列予測に重要である.そのような機能を実現するためにランダム結合のリカレントニューラルネットワーク(レザバー)の自励的な神経活動を用いるアプローチでは,軌道不安定性が課題になる.本稿では,ネットワークサイズの小さなレザバーが軌道安定であることを利用して,それらをモジュールとして多数並列に結合し,それらの出力の線形和(リードアウト)の学習により任意の時系列を生成するシステムを提案する.実験により,モジュール出力軌道は互いに直交し,すなわち直交基底をなし,数十秒のインターバルのタイミング学習やローレンツ系の学習が可能であることを示す., The brain’s ability to generate complex spatiotemporal patterns with a specific timing is essential for motor learning and time series prediction. An approach that realizes this function using the self-sustained neural activity of a randomly
connected recurrent neural network (reservoir) has the problem of orbital instability. We propose a novel system that learns an arbitrary time series as the linear sum (readout) of stable trajectories from a large number of small network modules. Our experimental results show that the trajectories of the module outputs are orthogonal to each other, i.e., an orthogonal basis emerges, and the system could learn the timing of intervals of tens of seconds and the Lorenz system.},
 title = {モジュール型レザバーコンピューティングにおける大記憶容量を有する動的直交基底の創発},
 year = {2022}
}