ダイナミカルニューラルネットを用いた時系列信号のGA学習

摘要

通常，動的な写像を学習させるのにリカレントニューラルネット(RNN)を利用するが，ネットワーク構造や学習が複雑になり学習時間を要した．そこで，従来のニューロンモデルに動的特性を有し，RNNに比ベネットワーク構造や学習を簡素化したダイナミカルニューラルネット(DNN)を提案し，時系列信号の同定による比較実験を行ない，提案するDNNの有効性を検証する．また，以前提案した3階層型DNNは，中間層と出力層に動的特性を有していたが，本論文では，中間層にのみ動的特性を有しているネットワークを提案し，単純な時系列信号の学習における数値実験から，学習精度と学習時間の向上が見られることを示した．