千葉工業大学
自然科学研究機構 基礎生物学研究所
兵庫県立大学
【 発表者 】
-
吉田 聡太（千葉工業大学 大学院情報科学研究科）
-
飯沼 貴大（千葉工業大学 大学院情報科学研究科）
-
信川 創（千葉工業大学 情報科学部 情報工学科（教授）/同大学 数理工学研究センター（非常勤主席研究員）/国立研究開発法人国立精神・神経医療研究センター 精神保健研究所児童・予防精神医学研究部（客員研究員））
-
渡辺 英治（基礎生物学研究所（准教授）/総合研究大学院大学 生命科学研究科（准教授））
-
礒川 悌次郎（兵庫県立大学 大学院 工学研究科（准教授））
【 概要 】
吉田聡太、飯沼貴大、信川創（千葉工業大学）、渡辺英治（基礎生物学研究所）、礒川悌次郎（兵庫県立大学）らの研究チームは、効率的な時系列処理フレームワークであるEcho State Network (ESN)が抱える、高次元性とマルチスケールな動的特性を持つタスクへの課題を克服する新しいアーキテクチャ「Heterogeneous Assembly Echo State Network (HetAESN)」を開発しました。HetAESNは、高次元情報を扱うESNアーキテクチャであるAssembly ESN（AESN）から派生したモデルです。AESNは、高次元入力情報を入力次元ごとに分割し、リザバーを複数並列して駆動させることで、高次元性による性能劣化を回避するモデルですが、HetAESNはさらに、この分割された各サブリザバーに対し、タスクの入力成分の特性に合わせた最適な、互いに異なる時定数を割り当てます。HetAESNは、2つの時間スケールを持つ時系列（tc-VdP, HRモデル）の予測タスクにおいて、従来のESNおよびAESNを統計的に有意に上回る予測精度を達成しました。この結果を、遅延容量（DC）やマルチスケールファジィエントロピー（MFE）を用いて分析したところ、モデルの有効性が「タスクの次元数」と「リザバーの有効記憶範囲内における信号の複雑さ」のバランスに大きく依存することが明らかになりました。本成果は、アーキテクチャ設計と計算能力の間の重要な関係を解明し、実世界の高次元・マルチスケールな時系列処理に適した、より堅牢で汎用的なRCモデルの開発に貢献するものです。この研究成果は、2025年12月15日に、IEEE Accessにて発表されました。
