Research

当研究室で取り組んでいる研究内容について、テーマ毎にご紹介します。
ご興味をお持ちの方は、<こちら>より、研究室の紹介ビデオや電子パンフレットも閲覧可能です。(ストリーミング配信も行っています。)

英語版⇒ 

【ニューラルネットとは】

 生体の中で情報処理用に特別な分化をとげた神経細胞のことをニューロンといい、このニューロンはシナプスによってニューロン同士が結合しています。これを人工的なモデルで構築し結合したものをニューラルネットといいます。
 下図は一般的なニューロンのモデルです。このニューロンは他のニューロンからの信号xnとシナプスに当たる結合荷重wijの積の総和がしきい値を超えたときに発火し、次のニューロンに信号を伝えます。このニューロンを複数つなぎ合わせ、ニューラルネットを構築することで以下のような文字認識や予測が出来るようになります。

ニューロンのモデル
図1 ニューロンのモデル

【ニューラルネットの応用①:文字認識】

 文字を書く範囲にあるドットをそれぞれ一つのニューロンとし、いくつかのパターンを学習することで、そこに書かれた文字が何であるかを認識することが可能となります。

ニューラルネットの応用①:文字認識
図2 ニューラルネットの応用①:文字認識

【ニューラルネットの応用②:時系列データの予測】

 ネットワークに予測したい時系列の過去のデータを使って学習を行い、ネットワークを構築し、そのネットワークに、予測する直前までの値を入力することで、それに続く未来のデータがどうなるかを予測できます。

ニューラルネットの応用②:時系列データの予測
図3 ニューラルネットの応用②:時系列データの予測
 

 下図は、2005年の2月の積雪量の予測結果です。RNNは通常のニューロンを用いたネットワークでの予測結果を、CRNNはカオスニューロンを用いたネットワークでの予測結果を示しています。カオスを応用したCRNNの方が誤差が少なく、優れた予測が可能なことがわかります。

2005年の2月の積雪量の予測結果
図4 2005年の2月の積雪量の予測結果

【本研究室での取り組み】

 本研究室ではニューラルネットを用いて時系列データ(積雪量や気温など)を精度よく予測する手法について研究を行っています。