離散力学系より得られる3つの時系列データのみを学習したExtreme learning machineに基づく分岐解析手法

カテゴリ: 全国大会

論文No: 3-024

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Bifurcation analysis based on Extreme learning machine trained on only three time-series datasets of a discrete system

著者名: 加藤海渡（中京大学）,伊藤佳卓（北海道科学大学）,高坂拓司（中京大学）

著者名(英語): Kaito Kato (Chukyo University),Yoshitaka Itoh (Hokkaido University of Science),Takuji Kousaka (Chukyo University)

キーワード: 分岐解析|Extreme learning machine|時系列データ|Bifurcation analysis|Extreme learning machine|Time-series data

要約(日本語): 本研究は実環境に対する分岐解析の適用を念頭に，離散力学系より得られる3つの時系列データのみを学習したニューラルネットワーク（NN）に基づく分岐解析手法を提案する。分岐解析はパラメータ設計などに効果的であるが，系の数理モデルが必要なため複雑な実環境での解析は難しい。一方，提案手法は高速な学習が可能なNNであるExtreme learning machine（ELM）に3つの時系列データのみを学習させ，一般的な分岐解析手法をELMに拡張する。また，ELMのパラメータ空間，具体的にはELMの結合荷重と元のパラメータ空間を対応させることで，分岐解析を実現する。

本誌掲載ページ: 36-38 p

原稿種別: 日本語

PDFファイルサイズ: 309 Kバイト