著者

高穂 洋 荒井 隆行 大竹 敢 田中 衛

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. NLP, 非線形問題 (ISSN:09135685)

巻号頁・発行日

vol.102, no.432, pp.13-16, 2002-11-06

---

株価の時系列データを用いて次期の株価を予測することは困難である.つまり,一因に株価の時系列データに有益でない成分が混在してることがあげられる.先行研究において,ローパスフィルタを用いて株価の時系列データから長周期成分を除去し,ニューラルネットワークにより予測を行ったところ,比較的正確な予測結果が得られた.本論文ではさらに日数の異なる移動平均線の比を求め,その周波数特性を検討し,バンドパス処理により予測に必要と考えられる特徴量の抽出を行った.また,提案方式による実験において従来の手法と比較し,より優れた予測性能が得られた.

著者

瀧澤 恵介 竹之内 星矢 青森 久 大竹 敢 田中 衛 松田 一朗 伊東 晋

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. NLP, 非線形問題 (ISSN:09135685)

巻号頁・発行日

vol.111, no.106, pp.119-124, 2011-06-23

---

本稿では,Paricle Swarm Optimization(PSO)を用い,符号化レートを最小とするセルラーニューラルネットワーク(CNN)による画像予測器の教師付学習手法を提案する.提案手法では,従来予測誤差電力を最小化するよう設計されているCNNによる画像予測器をロスレス符号化性能向上のため,符号化レート最小化をPSOを用いた学習により実現している.特に,本方式で用いられているPSOは評価関数の勾配情報を利用しないため,CNNによる非線形予測器の学習に非常に効果的であると考えられる.様々な標準画像に対し符号化を行い,従来手法と比較し提案手法の有効性を確認した.

著者

神野 健哉 田中 衛

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. NLP, 非線形問題

巻号頁・発行日

vol.97, no.53, pp.89-96, 1997-05-23

---

全ての素子のパラメータが一様で相互に結合した簡素なヒステリシスネット(Simple Hysteresis Network 以下SHNと略す)が呈するハイパーカオスについて報告する。SHNは相互結合、自己結合、直流分の3個のみをパラメータとして有する。単体のヒステリシス素子はパラメータにより無安定、単安定、双安定の状態を有し安定平衡点アトラクタ、周期アトラクタが存在するが、単体ではカオス等の非周期アトラクタは存在しない。しかしながらこのような素子を複数個を一様に結合させた系において非周期アトラクタを呈することを我々はこれまでに発見し報告した。本報告では SHNがハイパーカオスを呈することを示し、同期現象との関係に関して考察を行う。