[1Win4] ポスターセッション1

[1Win4-92] ラグランジュ=ディラック形式を用いた連成系の学習のためのニューラルネットワーク

〇李 怜歩¹、コスロービアン ラズミックアルマン²、谷口 隆晴³、吉村 浩明⁴、松原 崇¹ (1.北海道大学、2.大阪大学、3.神戸大学、4.早稲田大学)

キーワード：システム同定、深層学習、ラグランジュ=ディラック系

ディープラーニングは常微分方程式で記述される動的システムのモデリングにおいて顕著な性能を示してきた。しかし既存のモデリング手法では連成系全体を単一に扱うため、システム内の相互作用を十分に捉えられず、実際の挙動と予測の間に大きな誤差を生じさせる。この問題に対処するため、ラグランジュ形式とディラック構造を組み合わせたラグランジュ=ディラック形式に基づいたLagrange-Dirac Neural Networksを提案する。これにより構成要素間の相互作用や結合から生じる退化や散逸要素、外部入力の表現が可能になる。実験結果より、提案手法が未知の結合パターンをデータから導出することで連成系のモデリングにおける解釈性を向上させることが示された。