ライセンス可能な特許(開放特許)の詳細です。大学特許の利用や大学への技術相談をお考えの企業様等へ技術詳細を紹介します。

開放特許抄録集


・整理番号欄の「印刷用PDF」の文字をクリックすると本抄録のPDF版が入手できます。
・発明者欄の◆をクリックすると、本学の「研究者総覧」から在籍する研究者の情報を検索できます。
また★をクリックすると、本学に在籍する研究者の技術シーズを検索できます。

整理番号:0132 印刷用PDF
特許名称 リカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法
発明者
略歴/業績他 
研究室概要
中川 匡弘

利用分野

ロボット技術、医療技術、気象予測、為替や株価予測等

発明の目的 従来提案されているリカレントニューラルネットワークを用いた不規則時系列データの学習・予測技術では、実際に予測を行った場合の予測精度が必ずしも高いとはいえませんでした。本発明では、従来よりも不規則時系列データの予測精度を高めることを目的としています。
概要 人間の脳の神経回路の仕組みを応用してコンピュータ上で人工的に学習能力を持たせ予測する技術で、例えば気象データのように収集した不規則な時系列データ等の入力情報をコンピュータにより高速で演算処理し精度良く予測します。
特徴・効果 例えば、測定地点の気象情報(測定地点において過去に集めた降雪量、雨量、温度、湿度等の気象情報の一つに関する多数組の2r個の不規則時系列データ)などから、本発明のリカレントニューラルネットワークを用いて前記測定地点の気象情報を学習し、その学習結果に基づいて前記測定地点の気象(例えば積雪量等)を精度よく予測することができます。
その他、本発明は為替や株価等の予測等にも適用できます。
発明の詳細・
図面等

【特許請求の範囲】
リカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法であって、前記リカレントニューラルネットワークとして、r個(rは2以上の整数でフラクタル次元から定められた予測可能なデータの数)の不規則時系列データがそれぞれ入力されるr個のニューロンからなる第1のニューロン群と、前記r個の不規則時系列データに続く別のr個の不規則時系列データがそれぞれ入力されるr個のニューロンからなる第2のニューロン群とを備えた入力層と、q(qは2以上の整数)個のニューロンからなる第3のニューロン群を備えた1以上の中間層と、r個のニューロンからなる第4のニューロン群を備えた出力層と、前記出力層の前記第4のニューロン群を構成する前記r個のニューロンの出力を前記第2のニューロン群を構成する前記r個のニューロンにそれぞれ帰還する帰還路と、前記第2のニューロン群を構成する前記r個のニューロンの入力側に配置されて入力を規格化する規格化手段とを備えたものを用意する準備ステップと、過去に集めた多数組の2r個の不規則時系列データを前記入力層に入力して、前記第2のニューロン群に入力されるr個の前記不規則時系列データと前記出力層の前記第4のニューロン群を構成する前記r個のニューロンの出力とが近づくように、前記リカレントニューラルネットワークの内部状態を決定する学習ステップと、前記第1のニューロン群だけを有する前記入力層と、前記第3のニューロン群を有する1以上の前記中間層と、前記第4のニューロン群を有する前記出力層とを備えて、前記学習ステップにより決定した内部状態を有する学習済みニューラルネットワークを予測用モデルとして構築する予測用モデル構築ステップと、前記予測用モデルの前記入力層に直近のr個の不規則時系列データを入力して該直近のr個の不規則時系列データに続くr個の不規則時系列データを予測する予測ステップとからなり、前記入力層に含まれる前記第1のニューロン群と前記第2のニューロン群とを構成する2r個の前記ニューロンの活性化関数として単調関数を用い、前記1以上の中間層に含まれる前記第3のニューロン群を構成する前記q個のニューロンの活性化関数として正弦波関数を用い、前記出力層に含まれる前記第4のニューロン群を構成する前記r個のニューロンの活性化関数として正弦波関数を用いることを特徴とする不規則時系列データの学習・予測方法。
(※本請求項は長文のため要点のみ記載)

【詳細】
図に示すように、学習時にリカレントニューラルネットワークを用いて行い、入力層1に含まれる第1のニューロン群N1と第2のニューロン群N2とを構成する2r個のニューロン11〜1rと21〜2rの活性化関数として単調関数を用います。また中間層3に含まれる第3のニューロン群N3を構成するq個のニューロン31〜3qの活性化関数として正弦波関数を用います。さらに出力層5に含まれる第4のニューロン群N4を構成するr個のニューロン51〜5rの活性化関数として正弦波関数を用いて行います。そして、これらのデータをコンピュータ上で演算して目的とする事象の予測を行います。

リカレントニューラルネットワークのモデル図
リカレントニューラルネットワークのモデル図
ライセンス情報
  • 特許登録番号:第5023325号
  • 登録日:H24年6月29日(2012年)
  • 権利満了日:H38年8月31日(2026年)
  • 実施許諾:可
  • 権利譲渡:否
事業化情報
  • 実施実績:無し
  • 許諾実績:無し
↑PAGE TOP