講演情報
[25p-31A-3]制御駆動された物理ニューラルネットワークのノイズ頑強性
粟野 貴斗1、〇砂田 哲1、新山 友暁1、レーム アンドレ2、菅野 円隆3、内田 淳史3 (1.金沢大理工、2.東大情理、3.埼玉大)
キーワード：
物理ニューラルネットワーク,物理深層学習,リザバーコンピューティング
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。