[25p-31A-1~9] FS.1 Focused Session "AI Electronics"

1:45 PM - 2:00 PM JST(4:45 AM - 5:00 AM UTC)

[25p-31A-3] Noise robustness of control-driven physical neural networks

Takato Awano¹, 〇Satoshi Sunada¹, Tomoaki Niiyama¹, Andre Roehm², Kazutaka Kanno³, Atsushi Uchida³ (1.Kanazawa Univ., 2.Univ. of Tokyo, 3.Saitama Univ.)

Keywords:

physical neural network,physical deep learning,reservoir computing

本講演では，Adjoint法とDFAによるランダムフィードバックを組み合わせた制御手法（DFA-Adjoint法)を非線形力学系（特に遅延システム）に適用することで，リザバー計算に比べて，学習・推論性能だけでなくシステムノイズに対するロバストネスが向上することを示す。