JP6217205B2 - デジタル−アナログ・フィッティング装置、デジタル−アナログ・フィッティング方法、及びプログラム - Google Patents
デジタル−アナログ・フィッティング装置、デジタル−アナログ・フィッティング方法、及びプログラム Download PDFInfo
- Publication number
- JP6217205B2 JP6217205B2 JP2013149247A JP2013149247A JP6217205B2 JP 6217205 B2 JP6217205 B2 JP 6217205B2 JP 2013149247 A JP2013149247 A JP 2013149247A JP 2013149247 A JP2013149247 A JP 2013149247A JP 6217205 B2 JP6217205 B2 JP 6217205B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- neurons
- discrete
- matrix
- linear system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
図1は、リカレントニューラルネットワーク(RNN)回路の一例と、このRNN回路におけるニューロンと入出力の結線との関係式を説明する図である。
以下ではまず、離散時間の線形システムを表す行列Aが対角化可能でないような離散時間の線形システムの出力を解析することができ、離散時間の線形システムの出力であるサンプル数が多くなっても必要となるニューロンの個数の増加を抑制することができるリカレントニューラルネットワーク回路を含むデジタル−アナログ・フィッティング装置について説明する。
(C1)引数が整数値付近で、傾きが0である連続曲線、
という条件を満たす。
x=a1でD(a1)=0、x=a2でD(a2)=bとなるような関数D(x):
(R1)トポロジー形成部108は、行列Aの次数に等しい数のニューロンを用意し、その状態がyi(t)を与えるニューロンをi番目のニューロンとする、
(R2)トポロジー形成部108は、整数iとjが等しくなく、行列Bの要素bijが非零である場合、i番目のニューロンとj番目のニューロンを結線で接続する、
(R3)トポロジー形成部108は、i番目のニューロンとi番目のニューロンをループ状の結線で接続する、
(R4)重み設定部110は、整数iとjが等しくないとき、i番目のニューロンとj番目のニューロンを接続する結線上に、重み係数bijを付与する、
(R5)重み設定部110は、各ニューロンが積分器として機能するときの倍数は、(dyi/dt)の係数である「1」を与える、
(R6)重み設定部110は、i番目のニューロンとi番目のニューロンを接続するループ状の結線上に、重み係数(bii+1)を付与する、
(R7)重み設定部110は、i番目のニューロンに加え値hiが追加されるようにする、
という規則である。
図14を参照しながら、実施例のデジタル−アナログ・フィッティング装置100におけるフィッティング曲線の算出処理について説明する。
図14の処理が開始されると、まず、S101で入力受付部102は、非対角化可能ではない行列Aと、この線形システムの初期状態を表している初期値(y1(0)、…、yn(0))と、図7、8に示されている曲線gi(t)に関する情報との入力を取得する。行列Aは、nを2以上の整数として、n次元正方行列でn次元正方行列である。また、行列Aは離散時間線形システムを定義する。線形システムの初期値、および曲線gi(t)に関する情報は入力データ1と参照される。
(付記1)
対角化不可能であって離散時間線形システムを表現している所定の次元の正方行列をジョルダン標準形の行列に変形する行列変形部と、
前記ジョルダン標準形の行列を含む前記離散時間線形システムから、少なくとも1回微分可能で、階段形状をした単調増加関数を用いることによって、定数係数連立非同次微分方程式を算出し、構成されるべきニューラルネットワークのニューロンの間の結線により伝送される前記ニューロンの状態量に与えられる重み係数および前記ニューロンの各々に加えられる加え値を算出する重み係数算出部と、
前記定数係数連立非同次微分方程式から前記所定の次元の数に等しい個数の前記ニューロンと前記ニューロンの間の結線とによって前記ニューラルネットワークのトポロジーを形成するトポロジー形成部と、
前記重み係数を前記ニューラルネットワークの前記トポロジーの前記結線に対して付与し、前記加え値を前記ニューロンの各々に対して付与し、前記ニューラルネットワークを構成する重み設定部と、
前記ニューラルネットワークを動作させ、前記離散時間線形システムの出力のフィッティング曲線を得るニューラルネットワーク回路動作部と、
を含むデジタル−アナログ・フィッティング装置。
(付記2)
前記重み係数算出部は、前記重み係数を、前記ジョルダン標準形のジョルダン細胞と前記ジョルダン細胞の対角成分を用いて表現することを特徴とする付記1に記載のデジタル−アナログ・フィッティング装置。
(付記3)
前記重み係数算出部は、前記加え値を、前記単調増加関数と、前記ジョルダン細胞の前記対角成分を用いて表現することを特徴とする付記1または2に記載のデジタル−アナログ・フィッティング装置。
(付記4)
前記重み係数算出部は、前記単調増加関数を、
(付記5)
前記重み係数算出部は、前記単調増加関数を、x=a1でD(a1)=0、x=a2でD(a2)=1となるような関数D(x):
(付記6)
コンピュータ(200)によって処理されるデジタル−アナログ・フィッティング方法であって、
対角化不可能であって離散時間線形システムを表現している所定の次元の正方行列をジョルダンン標準形の行列に変形することと、
前記ジョルダン標準形の行列を含む前記離散時間線形システムから、少なくとも1回微分可能で、階段形状をした単調増加関数を用いることによって、定数係数連立非同次微分方程式を算出し、構成されるべきニューラルネットワークのニューロンの間の結線により伝送される前記ニューロンの状態量に与えられる重み係数および前記ニューロンの各々に加えられる加え値を算出することと、
前記定数係数連立非同次微分方程式から前記所定の次元の数に等しい個数の前記ニューロンと前記ニューロンの間の結線とによって前記ニューラルネットワークのトポロジーを形成することと、
前記重み係数を前記ニューラルネットワークの前記トポロジーの前記結線に対して付与し、前記加え値を前記ニューロンの各々に対して付与し、前記ニューラルネットワークを構成することと、
前記ニューラルネットワークを動作させ、前記離散時間線形システムの出力のフィッティング曲線を得ることと、
を含むデジタル−アナログ・フィッティング方法。
(付記7)
前記重み係数を算出することは、前記重み係数を、前記ジョルダン標準形のジョルダン細胞と前記ジョルダン細胞の対角成分を用いて表現することを含むこと特徴とする付記6に記載のデジタル−アナログ・フィッティング方法。
(付記8)
前記加え値を算出することは、前記加え値を、前記単調増加関数と、前記ジョルダン細胞の前記対角成分を用いて表現することを含むことを特徴とする付記1または2に記載のデジタル−アナログ・フィッティング方法。
(付記9)
前記重み係数および前記加え値を算出することは、前記単調増加関数を、
(付記10)
前記重み係数および前記加え値を算出することは、前記単調増加関数を、x=a1でD(a1)=0、x=a2でD(a2)=1となるような関数D(x):
(付記11)
対角化不可能であって離散時間線形システムを表現している所定の次元の正方行列をジョルダンン標準形の行列に変形させ、
前記ジョルダン標準形の行列を含む前記離散時間線形システムから、少なくとも1回微分可能で、階段形状をした単調増加関数を用いることによって、定数係数連立非同次微分方程式を算出し、構成されるべきニューラルネットワークのニューロンの間の結線により伝送される前記ニューロンの状態量に与えられる重み係数および前記ニューロンの各々に加えられる加え値を算出させ、
前記定数係数連立非同次微分方程式から前記所定の次元の数に等しい個数の前記ニューロンと前記ニューロンの間の結線とによって前記ニューラルネットワークのトポロジーを形成させ、
前記重み係数を前記ニューラルネットワークの前記トポロジーの前記結線に対して付与し、前記加え値を前記ニューロンの各々に対して付与し、前記ニューラルネットワークを構成することと、
前記ニューラルネットワークを動作させ、前記離散時間線形システムの出力のフィッティング曲線を得る、
処理をコンピュータに実行させることを特徴とするプログラム。
(付記12)
前記重み係数を算出させることは、前記重み係数を、前記ジョルダン標準形のジョルダン細胞と前記ジョルダン細胞の対角成分を用いて表現させる処理をコンピュータに実行させることを含むこと特徴とする付記11に記載のプログラム。
(付記13)
前記加え値を算出させることは、前記加え値を、前記単調増加関数と、前記ジョルダン細胞の前記対角成分を用いて表現させる処理をコンピュータに実行させることを含むこと特徴とする付記11または12に記載のプログラム。
(付記14)
前記重み係数および前記加え値を算出させることは、前記単調増加関数を、
(付記15)
前記重み係数および前記加え値を算出することは、前記単調増加関数を、x=a1でD(a1)=0、x=a2でD(a2)=1となるような関数D(x):
102 入力受付部
104 行列変形部
106 重み係数算出部
108 トポロジー形成部
110 重み設定部
112 RNN回路動作部
114 出力部
Claims (7)
- 対角化不可能であって離散時間線形システムを表現している所定の次元の正方行列をジョルダン標準形の行列に変形する行列変形部と、
前記ジョルダン標準形の行列を含む前記離散時間線形システムから、少なくとも1回微分可能で、階段形状をした単調増加関数を用いることによって、定数係数連立非同次微分方程式を算出し、構成されるべきニューラルネットワークのニューロンの間の結線により伝送される前記ニューロンの状態量に与えられる重み係数および前記ニューロンの各々に加えられる加え値を算出する重み係数算出部と、
前記定数係数連立非同次微分方程式から前記所定の次元の数に等しい個数の前記ニューロンと前記ニューロンの間の結線とによって前記ニューラルネットワークのトポロジーを形成するトポロジー形成部と、
前記重み係数を前記ニューラルネットワークの前記トポロジーの前記結線に対して付与し、前記加え値を前記ニューロンの各々に対して付与し、前記ニューラルネットワークを構成する重み設定部と、
前記ニューラルネットワークを動作させ、前記離散時間線形システムの出力のフィッティング曲線を得るニューラルネットワーク回路動作部と、
を含むデジタル−アナログ・フィッティング装置。 - 前記重み係数算出部は、前記重み係数を、前記ジョルダン標準形のジョルダン細胞と前記ジョルダン細胞の対角成分を用いて表現することを特徴とする請求項1に記載のデジタル−アナログ・フィッティング装置。
- 前記重み係数算出部は、前記加え値を、前記単調増加関数と、前記ジョルダン標準形のジョルダン細胞の対角成分を用いて表現することを特徴とする請求項1または2に記載のデジタル−アナログ・フィッティング装置。
- コンピュータによって処理されるデジタル−アナログ・フィッティング方法であって、
対角化不可能であって離散時間線形システムを表現している所定の次元の正方行列をジョルダン標準形の行列に変形することと、
前記ジョルダン標準形の行列を含む前記離散時間線形システムから、少なくとも1回微分可能で、階段形状をした単調増加関数を用いることによって、定数係数連立非同次微分方程式を算出し、構成されるべきニューラルネットワークのニューロンの間の結線により伝送される前記ニューロンの状態量に与えられる重み係数および前記ニューロンの各々に加えられる加え値を算出することと、
前記定数係数連立非同次微分方程式から前記所定の次元の数に等しい個数の前記ニューロンと前記ニューロンの間の結線とによって前記ニューラルネットワークのトポロジーを形成することと、
前記重み係数を前記ニューラルネットワークの前記トポロジーの前記結線に対して付与し、前記加え値を前記ニューロンの各々に対して付与し、前記ニューラルネットワークを構成することと、
前記ニューラルネットワークを動作させ、前記離散時間線形システムの出力のフィッティング曲線を得ることと、
を含むデジタル−アナログ・フィッティング方法。 - 対角化不可能であって離散時間線形システムを表現している所定の次元の正方行列をジョルダン標準形の行列に変形させ、
前記ジョルダン標準形の行列を含む前記離散時間線形システムから、少なくとも1回微分可能で、階段形状をした単調増加関数を用いることによって、定数係数連立非同次微分方程式を算出し、構成されるべきニューラルネットワークのニューロンの間の結線により伝送される前記ニューロンの状態量に与えられる重み係数および前記ニューロンの各々に加えられる加え値を算出させ、
前記定数係数連立非同次微分方程式から前記所定の次元の数に等しい個数の前記ニューロンと前記ニューロンの間の結線とによって前記ニューラルネットワークのトポロジーを形成させ、
前記重み係数を前記ニューラルネットワークの前記トポロジーの前記結線に対して付与し、前記加え値を前記ニューロンの各々に対して付与し、前記ニューラルネットワークを構成することと、
前記ニューラルネットワークを動作させ、前記離散時間線形システムの出力のフィッティング曲線を得る、
処理をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013149247A JP6217205B2 (ja) | 2013-07-18 | 2013-07-18 | デジタル−アナログ・フィッティング装置、デジタル−アナログ・フィッティング方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013149247A JP6217205B2 (ja) | 2013-07-18 | 2013-07-18 | デジタル−アナログ・フィッティング装置、デジタル−アナログ・フィッティング方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015022463A JP2015022463A (ja) | 2015-02-02 |
JP6217205B2 true JP6217205B2 (ja) | 2017-10-25 |
Family
ID=52486868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013149247A Active JP6217205B2 (ja) | 2013-07-18 | 2013-07-18 | デジタル−アナログ・フィッティング装置、デジタル−アナログ・フィッティング方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6217205B2 (ja) |
-
2013
- 2013-07-18 JP JP2013149247A patent/JP6217205B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015022463A (ja) | 2015-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Computational aspects of stochastic collocation with multifidelity models | |
KR20200031163A (ko) | 신경 네트워크 구조의 생성 방법 및 장치, 전자 기기, 저장 매체 | |
US7660480B1 (en) | Practical fast mesh-free analysis | |
US9129075B2 (en) | Mesh generation system | |
Kera et al. | Noise-tolerant algebraic method for reconstruction of nonlinear dynamical systems | |
WO2020116211A1 (ja) | 推定装置、最適化装置、推定方法、最適化方法、及びプログラム | |
JP6065543B2 (ja) | ニューラルネットワーク設計方法、フィッティング方法、及びプログラム | |
JP2018067227A (ja) | データ分析装置、データ分析方法、データ分析処理プログラム | |
TWI614687B (zh) | 構造解析方法及構造解析程式 | |
JP6217205B2 (ja) | デジタル−アナログ・フィッティング装置、デジタル−アナログ・フィッティング方法、及びプログラム | |
Lee et al. | The delta expansion for the transition density of diffusion models | |
Hofwing et al. | D-optimality of non-regular design spaces by using a Bayesian modification and a hybrid method | |
JP2022097395A (ja) | 有限要素モデル化における非拘束運動及び低剛性結合の高速検出のための方法 | |
WO2020054819A1 (ja) | データ解析装置、データ解析方法及びプログラム | |
JP6831307B2 (ja) | 解算出装置、解算出方法及び解算出プログラム | |
US20150139447A1 (en) | Automated construction of infinite impulse response filters | |
WO2020054402A1 (ja) | ニューラルネットワーク処理装置、コンピュータプログラム、ニューラルネットワーク製造方法、ニューラルネットワークデータの製造方法、ニューラルネットワーク利用装置、及びニューラルネットワーク小規模化方法 | |
JP7038577B2 (ja) | プログラム分析装置及びプログラム分析方法 | |
US20220405561A1 (en) | Electronic device and controlling method of electronic device | |
WO2023068224A1 (ja) | ロボットシミュレーション装置、ロボットシミュレーションシステム、および、ロボットシミュレーション方法 | |
Amouzgar et al. | An approach towards generating surrogate models by using RBFN with a priori bias | |
JP2014035679A (ja) | 車両の音響振動解析方法及び音響振動解析装置 | |
JP7224263B2 (ja) | モデル生成方法、モデル生成装置及びプログラム | |
KR102143191B1 (ko) | 특징 데이터 리캘리브레이션 방법 및 그 장치 | |
JP7000586B2 (ja) | データ処理システムおよびデータ処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160405 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170427 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6217205 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |