JP7080806B2 - 機械学習装置 - Google Patents
機械学習装置 Download PDFInfo
- Publication number
- JP7080806B2 JP7080806B2 JP2018223630A JP2018223630A JP7080806B2 JP 7080806 B2 JP7080806 B2 JP 7080806B2 JP 2018223630 A JP2018223630 A JP 2018223630A JP 2018223630 A JP2018223630 A JP 2018223630A JP 7080806 B2 JP7080806 B2 JP 7080806B2
- Authority
- JP
- Japan
- Prior art keywords
- arithmetic unit
- training data
- data
- storage device
- reservoir
- 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
Landscapes
- Feedback Control In General (AREA)
Description
以下、図面を用いて実施例について説明する。
実施例1の機械学習装置は、通常の計算機とほぼ同様の構成を有するが、一般演算装置9002に加えてリザバ演算装置1000を有する点が通常の計算機とは異なる。演算の手順も通常の計算機と同様で、制御装置9003の制御の下で主記憶装置9001と一般演算装置9002との間で、また主記憶装置9001とリザバ演算装置1000との間でデータをやり取りして行う。
次に、推定(予測、判断、認識)において、wv 0を使ってxv sからyv sを決定する(S210)。
実施例1ではリザバ演算装置1000が振動子201~208で構成されることを述べた。振動子201~208はLCR回路で実現することが可能である。
実施例2ではLCR回路によりリザバ演算装置1000が実現できることを示した。実施例3ではリザバ演算装置1000として、図3AのLCR回路を動作させた例(計算機シミュレーション)を示す。
上述のように、本発明は量子リザバ演算装置の課題を解決すべく考案されたものである。実施例5では、量子リザバ演算装置との関連に触れながら、本発明の性能をさらに高める方法を述べる。
201~208 振動子
300 出力部
1000 リザバ演算装置
2000 演算装置
9001 主記憶装置
9002 一般演算装置
9003 制御装置
9004 補助記憶装置
9005 入力装置
9006 出力装置
Claims (12)
- データを演算する一般演算装置と、
前記データに対して学習を行うリザバ演算装置と、
前記データを記憶する記憶装置と、
前記記憶装置と前記一般演算装置との間及び前記記憶装置と前記リザバ演算装置との間で行う前記データのやり取りを制御する制御装置と、を有し、
前記リザバ演算装置は、
少なくとも一つの振動子と、
入力部と、
出力部と、を有し、
前記入力部から入力された前記データを前記振動子により演算して前記出力部から出力し、
前記少なくとも一つの振動子は、複数の振動子で構成され、
前記リザバ演算装置は、
前記入力部から入力された前記データを、前記振動子自身のダイナミクス及び前記振動子間の相互作用により演算して前記出力部から出力することを特徴とする機械学習装置。 - 前記記憶装置は、
第1の訓練データと第2の訓練データの対を記憶し、
前記制御装置は、
前記記憶装置に記憶された前記第1の訓練データを前記入力部を介して前記振動子に送り、
前記リザバ演算装置は、
前記振動子により前記第1の訓練データを演算し、
前記制御装置は、
前記第1の訓練データの演算結果を前記出力部を介して前記記憶装置に送り、
前記一般演算装置は、
前記第1の訓練データの前記演算結果を、前記第2の訓練データが再現されるように加工し、
前記記憶装置は、
前記第2の訓練データの再現の際に得られた前記加工の規則を記憶し、
前記リザバ演算装置は一般のデータを演算し、前記一般演算装置が前記一般のデータの演算結果を前記加工の規則に基づいて加工して最終出力とすることを特徴とする請求項1に記載の機械学習装置。 - 前記振動子は、線形素子で構成されることを特徴とする請求項1に記載の機械学習装置。
- 前記線形素子は、LCR回路で構成されることを特徴とする請求項3に記載の機械学習装置。
- 前記振動子間の相互作用は、一対のコイルのカップリングにより実現されることを特徴とする請求項4に記載の機械学習装置。
- 前記振動子間の相互作用は、振動子間で単一のコイルを共有することにより実現されることを特徴とする請求項4に記載の機械学習装置。
- 前記振動子間の相互作用は、振動子間で単一のコンデンサを共有することにより実現されることを特徴とする請求項4に記載の機械学習装置。
- 前記振動子は、前記線形素子としての前記LCR回路に非線形素子を付加して構成されることを特徴とする請求項4に記載の機械学習装置。
- 前記非線形素子は、ジョセフソン接合で構成されることを特徴とする請求項8に記載の機械学習装置。
- データを演算する一般演算装置と、
前記データに対して学習を行うリザバ演算装置と、
前記データを記憶する記憶装置と、
前記記憶装置と前記一般演算装置との間及び前記記憶装置と前記リザバ演算装置との間で行う前記データのやり取りを制御する制御装置と、を有し、
前記リザバ演算装置は、
少なくとも一つの振動子と、
入力部と、
出力部と、を有し、
前記入力部から入力された前記データを前記振動子により演算して前記出力部から出力し、
前記記憶装置は、
第1の訓練データと第2の訓練データの対を記憶し、
前記制御装置は、
前記記憶装置に記憶された前記第1の訓練データを前記入力部を介して前記振動子に送り、
前記リザバ演算装置は、
前記振動子により前記第1の訓練データを演算し、
前記制御装置は、
前記第1の訓練データの演算結果を前記出力部を介して前記記憶装置に送り、
前記一般演算装置は、
前記第1の訓練データの前記演算結果を、前記第2の訓練データが再現されるように加工し、
前記記憶装置は、
前記第2の訓練データの再現の際に得られた前記加工の規則を記憶し、
前記リザバ演算装置は一般のデータを演算し、前記一般演算装置は前記一般のデータの演算結果を前記加工の規則に基づいて加工して出力し、
前記一般演算装置はさらに、
前記第2の訓練データが再現されるように前記第1の訓練データの前記演算結果を加工する際に、前記第1の訓練データを組み込んで実行することを特徴とする機械学習装置。 - データを演算する一般演算装置と、
前記データに対して学習を行うリザバ演算装置と、
前記データを記憶する記憶装置と、
前記記憶装置と前記一般演算装置との間及び前記記憶装置と前記リザバ演算装置との間で行う前記データのやり取りを制御する制御装置と、を有し、
前記リザバ演算装置は、
少なくとも一つの振動子と、
入力部と、
出力部と、を有し、
前記入力部から入力された前記データを前記振動子により演算して前記出力部から出力し、
前記記憶装置は、
第1の訓練データと第2の訓練データの対を記憶し、
前記制御装置は、
前記記憶装置に記憶された前記第1の訓練データを前記入力部を介して前記振動子に送り、
前記リザバ演算装置は、
前記振動子により前記第1の訓練データを演算し、
前記制御装置は、
前記第1の訓練データの演算結果を前記出力部を介して前記記憶装置に送り、
前記一般演算装置は、
前記第1の訓練データの前記演算結果を、前記第2の訓練データが再現されるように加工し、
前記記憶装置は、
前記第2の訓練データの再現の際に得られた前記加工の規則を記憶し、
前記リザバ演算装置は一般のデータを演算し、前記一般演算装置は前記一般のデータの演算結果を前記加工の規則に基づいて加工して出力し、
前記一般演算装置はさらに、
前記第2の訓練データが再現されるように前記第1の訓練データの前記演算結果を加工する際に、前記第1の訓練データを複数の時刻に亘って組み込んで実行することを特徴とする機械学習装置。 - データを演算する一般演算装置と、
前記データに対して学習を行うリザバ演算装置と、
前記データを記憶する記憶装置と、
前記記憶装置と前記一般演算装置との間及び前記記憶装置と前記リザバ演算装置との間で行う前記データのやり取りを制御する制御装置と、を有し、
前記リザバ演算装置は、
少なくとも一つの振動子と、
入力部と、
出力部と、を有し、
前記入力部から入力された前記データを前記振動子により演算して前記出力部から出力し、
前記記憶装置は、
第1の訓練データと第2の訓練データの対を記憶し、
前記制御装置は、
前記記憶装置に記憶された前記第1の訓練データを前記入力部を介して前記振動子に送り、
前記リザバ演算装置は、
前記振動子により前記第1の訓練データを演算し、
前記制御装置は、
前記第1の訓練データの演算結果を前記出力部を介して前記記憶装置に送り、
前記一般演算装置は、
前記第1の訓練データの前記演算結果を、前記第2の訓練データが再現されるように加工し、
前記記憶装置は、
前記第2の訓練データの再現の際に得られた前記加工の規則を記憶し、
前記リザバ演算装置は一般のデータを演算し、前記一般演算装置は前記一般のデータの演算結果を前記加工の規則に基づいて加工して出力し、
前記第1の訓練データを複数の時刻点間に亘って相互作用させる局所場応答演算装置を更に有することを特徴とする機械学習装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018223630A JP7080806B2 (ja) | 2018-11-29 | 2018-11-29 | 機械学習装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018223630A JP7080806B2 (ja) | 2018-11-29 | 2018-11-29 | 機械学習装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020087189A JP2020087189A (ja) | 2020-06-04 |
JP7080806B2 true JP7080806B2 (ja) | 2022-06-06 |
Family
ID=70908427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018223630A Active JP7080806B2 (ja) | 2018-11-29 | 2018-11-29 | 機械学習装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7080806B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013518355A (ja) | 2010-01-29 | 2013-05-20 | サーキュラー ロジック リミテッド ライアビリティ カンパニー | 勾配周波数非線形振動子ネットワークにおける学習及び聴覚情景解析 |
US20180285728A1 (en) | 2017-04-03 | 2018-10-04 | International Business Machines Corporation | Reservoir computing system |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6819320B2 (ja) * | 2016-07-20 | 2021-01-27 | 株式会社リコー | 情報処理システム、および情報処理方法 |
-
2018
- 2018-11-29 JP JP2018223630A patent/JP7080806B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013518355A (ja) | 2010-01-29 | 2013-05-20 | サーキュラー ロジック リミテッド ライアビリティ カンパニー | 勾配周波数非線形振動子ネットワークにおける学習及び聴覚情景解析 |
US20180285728A1 (en) | 2017-04-03 | 2018-10-04 | International Business Machines Corporation | Reservoir computing system |
Non-Patent Citations (1)
Title |
---|
中野大樹 ほか,ハードウェアで実現するリザバーコンピューティング,平成30年 電気学会全国大会講演論文集,電気学会,2018年03月05日,pp.S16(13)-S16(16) |
Also Published As
Publication number | Publication date |
---|---|
JP2020087189A (ja) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6910666B2 (ja) | 量子制御のための制御シーケンスの生成 | |
JP6875513B2 (ja) | ロボットエージェントによって実行されるべきアクションを選択するためのニューラルネットワーク | |
Rahmani et al. | A novel adaptive neural network integral sliding-mode control of a biped robot using bat algorithm | |
CN110546653B (zh) | 使用管理者和工作者神经网络的用于强化学习的动作选择 | |
US10860927B2 (en) | Stacked convolutional long short-term memory for model-free reinforcement learning | |
KR20190077067A (ko) | 강화 학습을 이용한 환경 네비게이션 | |
CN112119409A (zh) | 具有关系存储器的神经网络 | |
JP6728495B2 (ja) | 強化学習を用いた環境予測 | |
EP3326114A1 (en) | Continuous control with deep reinforcement learning | |
EP3559865A1 (en) | Data-efficient reinforcement learning for continuous control tasks | |
CN110114784A (zh) | 递归神经网络 | |
Nowé et al. | A gentle introduction to reinforcement learning | |
Bobade et al. | Adaptive estimation for nonlinear systems using reproducing kernel Hilbert spaces | |
Ding et al. | Vibration damping in manipulation of deformable linear objects using sliding mode control | |
CN112930541A (zh) | 通过最小化妄想影响来确定控制策略 | |
JP7080806B2 (ja) | 機械学習装置 | |
Glazier et al. | Making human-like trade-offs in constrained environments by learning from demonstrations | |
US20200026247A1 (en) | Continuous control of attention for a deep learning network | |
Subasri et al. | Discrete direct adaptive ELM controller for active vibration control of nonlinear base isolation buildings | |
JP2021036395A (ja) | 機械学習装置および機械学習方法 | |
JP2017117427A (ja) | 制御信号推定装置、擬似力覚発生装置、波形推定装置、制御信号推定方法、波形推定方法、およびプログラム | |
JP2021022231A (ja) | 管理装置、管理方法、および管理プログラム | |
Censi | Bootstrapping vehicles: a formal approach to unsupervised sensorimotor learning based on invariance | |
KR20220166716A (ko) | 퓨샷 모방을 위한 시연 조건부 보강 학습 | |
Oommen et al. | A solution to the stochastic point location problem in metalevel nonstationary environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210317 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220407 |
|
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: 20220510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7080806 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |