著者

神山 眞 小出 英夫 沢田 康次 秋田 宏 千葉 則行

出版者

公益社団法人 日本地震工学会

雑誌

日本地震工学会論文集 (ISSN:18846246)

巻号頁・発行日

vol.15, no.7, pp.7_428-7_443, 2015 (Released:2015-12-25)

参考文献数

28

被引用文献数

2

---

本文は国土地理院が全国に展開しているGPS観測システムGEONETによる地震時地殻変動から求めた地盤の地震時ひずみの特性を二つの代表的な地震を対象として述べるとともに、それらの地震により生じた土木構造物の地震被害との関係を考察したものである。対象とした地震は2011年東北地方太平洋沖地震(M9.0)と2008年岩手・宮城内陸地震(M7.2)である。被害地点の分布は地盤ひずみ分布と相関があり、10-4.7~10-4.5の最大せん断ひずみレベルが土木構造物被害発生の一種のしきい値を与えることが指摘される。

著者

伊藤 真 三宅 章吾 猪苗代 盛 黒岩 丈介 沢田 康次

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会技術研究報告. NC, ニューロコンピューティング (ISSN:09135685)

巻号頁・発行日

vol.100, no.126, pp.25-32, 2000-06-15

被引用文献数

1

---

エピソード記憶は一時的に海馬に蓄えられ, その後、新皮質上に長期的に固定されると考えられている.エピソード記憶は脳内において時系列パターンとして表現されている可能性があるが, 時系列パターンとしてのエピソード記憶の長期記憶形成を説明するモデルは提案されていない.本稿において解剖学生理学的知見に基づいた, 海馬連合野モデルを提案する.本モデルの特徴は(i)連合野, 海馬CA3に時間遅れを考慮したHebb則を用いることにより, 時系列パターンの学習を可能にした点, (ii)歯状回に符号化, 海馬CA1に復合化の機能を持たせた点である.数値シミュレーションにより, 本モデルは時系列パターンの長期記憶形成が可能であることが示された.

著者

小出 英夫 千葉 則行 神山 眞 秋田 宏 沢田 康次

出版者

東北工業大学

雑誌

挑戦的萌芽研究

巻号頁・発行日

2013-04-01

---

以下の研究成果を得た。①国土地理院GEONET提供のF3データやRINEXデータを用いて、東北地方を中心とする国内の地殻変動を観察するためのシステムの基礎を構築した。②プレート境界型の巨大地震における、発生数日前からの「プレスリップ(予兆すべり)」の2次元有限要素法による数値シミュレーションを実施する過程において、両プレート間の摩擦係数の時間的・空間的変動の考慮の必要性が明確になった。③過去10年間に発生した東北地方における8個の被害地震では、その地殻変動の時間履歴にプレスリップに関係すると思われる本震直前の2~3日前頃に水平変位の方位角の日変動に変化が生じることがわかった。

著者

松下 貢 沢田 康次

出版者

公益社団法人 計測自動制御学会

雑誌

計測と制御 (ISSN:04534662)

巻号頁・発行日

vol.24, no.11, pp.1042-1050, 1985-11-10 (Released:2009-11-26)

参考文献数

25

著者

沢田 康次 宮下 精二 鈴木 増雄

出版者

一般社団法人 日本物理学会

雑誌

日本物理学会誌 (ISSN:00290181)

巻号頁・発行日

vol.42, no.4, pp.371-374, 1987-04-05 (Released:2020-04-16)

著者

沢田 康次 岡部 洋一 佐藤 俊輔 石川 眞澄 矢野 雅文 津田 一郎

出版者

東北大学

雑誌

基盤研究(B)

巻号頁・発行日

1996

---

本研究は平成10年度発足の重点領域研究「脳型計算論と脳型計算システムの設計」準備の調査、企画のための研究である。総括班予定者による会議を3回(仙台1回、東京1回、大阪1回)と班員全員の研究会を1回(仙台)行った。会議においては脳化学の工学的手法とその組織づくりを討論すると共に前年度提出(平成9年度発足希望)の重点領域の申請がヒアリングまで審査に進んだが、採択まで至らなかった理由について徹底的に検討、平成10年発足の申請書にその内容を反映させた。その内容は以下の通りである。1)「脳を知る研究」と「脳を創る研究」を混在させないで本重点領域研究においては工学的観点から後者を強調する。即ち、工学的研究である「脳を創る」研究は脳の機能を参考にするが脳と一致する必要はない。逆に工学的研究においては目的を明確にする必要があり、脳型計算機は入力と出力を明確にし、叉その計算機の性能達成目標を明記すること。2)人工知能との関連と区分けを明確にする、。即ち、人工知能はプログラムによってトップダウン的に記号処理するが、脳型計算機はプログラムを用いることなくミクロな神経細胞の活動をベースにその柔軟性と超並列動作によって所望の機能を実現する。3)本研究を現時点で推進する必要性と本研究におけるプレイクスルーを明確にする。即ち、イメージング技術の発達による脳のアーキテクチャの解明が大きく進んだこと、脳計算論のために非線形力学が急速な進歩を見ていること、及び超微細電子技術と集積化技術が進歩し計算機実装の可能性が増大したことが挙げられる。

著者

中村 崇仁 佐野 雅己 沢田 康次

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会技術研究報告. NC, ニューロコンピューティング (ISSN:09135685)

巻号頁・発行日

vol.99, no.193, pp.41-48, 1999-07-19

---

強化学習において、Temporal Difference (TD)学習の発展形であるQ-Learningがよく用いられている。この方法は、状態と行動の対を評価する。そのため、高次元空間では多大な時間、計算資源が必要となる。そこで、本研究では、単一のエージェントを、積極的に複数のエージェントとしてとらえ、出力(行動)の決定を分割するアルゴリズムを提案する。このアルゴリズムにより、探索空間を縮小することになり、収束までのステップ数、計算時間、消費メモリ量の改善がみられた。その評価を行い、応用例を示す。