@techreport{oai:ipsj.ixsq.nii.ac.jp:00234940,
 author = {河合, 祐司 and 森田, 尭 and 朴, 志勲 and 浅田, 稔 and Yuji, Kawai and Takashi, Morita and Jihoon, Park and Minoru, Asada},
 issue = {53},
 month = {Jun},
 note = {レザバーコンピューティングは，カオス力学系を含む様々な時系列のモデルフリー予測に用いられるが，その不安定性から，正確に予測可能な時系列長は限られる．本研究では，出力フィードバックのあるレザバーコンピューティングに振動子（正弦波）入力を与えることで，その出力の安定性を向上させ，長期の時系列予測を可能にするシステムを提案する．様々な周波数と試行間で同一の位相を有する複数の振動子入力により，レザバーシステムが安定，かつ，複雑なダイナミクスを生成することで，ターゲット時系列の高精度な予測を実現する．提案手法をタイミング学習課題とローレンツ時系列予測学習課題において評価する．その結果，レザバーのニューロンモデルの時定数が 10ms であるのに対して，提案手法は 120s を超えるタイミングの予測ができ，20s 以上の正確なローレンツ時系列の予測ができることがわかった．, Reservoir computing has been exploited for model-free prediction of various time series, including chaotic dynamical systems; however, its instability limits the horizon of time series that can be accurately predicted. In this study, we propose a system in which oscillator (sinusoidal) inputs are fed into reservoir computing with output feedback to improve the stability of the system and enable it to long-term time-series prediction. Multiple oscillator inputs with various different frequencies allow the reservoir system to generate stable and complex dynamics, resulting in highly accurate prediction of target time series. The proposed system is evaluated in the timing learning task and the Lorenz time-series prediction task. The results showed that the proposed system could predict the timing for more than 120 s and accurately predicted the Lorenz time series for more than 20 s, whereas the time constant of the reservoir neuron model was 10 ms.},
 title = {振動駆動レザバーコンピューティングによる長期のタイミング／カオス時系列予測},
 year = {2024}
}