Core Concepts
ランダムに生成された重みを持つリカレントニューラルネットワーク(RC)は、線形時不変(LTI)システムを汎用的に近似できることを示す。特に、RC内の再帰重みの最適な確率密度関数を解析的に特徴付ける。
Abstract
本研究では、線形時不変(LTI)システムを近似するタスクにおいて、ランダムリカレントニューラルネットワーク(RC)の性能を理論的に分析している。
まず、単一の極を持つ1次のIIRシステムの過渡応答を、RCを用いて近似する問題を考える。RCの各ニューロンは線形活性化を持ち、互いに接続されていない単一極フィルタとしてモデル化される。この設定において、RCの近似誤差の上界を導出し、その上界が極の間隔の4乗に比例することを示す。
次に、この結果を一般化し、任意の高次LTIシステムを近似する際の最適な再帰重み分布を解析的に導出する。具体的には、LTIシステムの極の事前分布に応じて、RCの再帰重みを最適に構成(設定)する方法を示す。
さらに、線形活性化を持つRCにおいて、ニューロン間の疎な接続は、非接続ニューロンと等価であることを示す。
最後に、数値評価により、導出した近似誤差の上界の妥当性と、最適な再帰重み分布の最適性を確認している。
Stats
1 - 1 / (1 - α^2)
1 - β1β2
(β1 - β2)^2
(1 - β1^2)(1 - β1β2) / (1 - αβ1)^2
2(1 - β1^2)(1 - β2^2) / ((1 - αβ1)(1 - αβ2)) - (1 - β2^2)(1 - β1β2) / (1 - αβ2)^2
Quotes
"ランダムに生成された再帰重みを持つRCは、一般的な線形時不変(LTI)システムを汎用的に近似できる。"
"RCの再帰重みの最適な確率密度関数を解析的に特徴付ける。"
"線形活性化を持つRCにおいて、ニューロン間の疎な接続は、非接続ニューロンと等価である。"