|
所属学科・専攻等 |
工学専攻 情報工学系プログラム知能情報分野 |
|
職名 |
教授 |
|
ホームページ |
|
|
外部リンク |
|
出身学校
出身大学院
-
東京大学 大学院新領域創成科学研究科 複雑理工学専攻 博士課程 修了
- 2005年03月
-
東京大学 大学院新領域創成科学研究科 複雑理工学専攻 修士課程 修了
- 2002年03月
学外略歴
-
東京大学 国際高等研究所 ニューロインテリジェンス国際研究機構 非常勤講師 客員教授
2024年10月 - 現在
-
名古屋工業大学 教授
2023年04月 - 現在
-
文部科学省 21世紀COEプログラム 超ロバスト計算原理プロジェクト 研究補助員
2002年12月 - 2005年03月
-
東京大学 生産技術研究所 助教
2007年04月 - 2011年07月
-
東京大学 生産技術研究所 特任准教授
2011年08月 - 2013年03月
論文
-
Long-time-constant leaky-integrating oxygen-vacancy drift-diffusion FET for human-interactive spiking reservoir computing. 査読あり
Hisashi Inoue, Hiroto Tamura, Ai Kitoh, Xiangyu Chen, Zolboo Byambadorj, Takeaki Yajima, Yasushi Hotta, Tetsuya Iizuka, Gouhei Tanaka, Isao H. Inoue
2023 IEEE Symposium on VLSI Technology and Circuits 1 - 2 2023年07月
記述言語：英語 掲載種別：研究論文（国際会議プロシーディングス）
-
Performance Enhancement of a Spin-Wave-Based Reservoir Computing System Utilizing Different Physical Conditions 査読あり
Ryosho Nakane, Akira Hirose, Gouhei Tanaka
Physical Review Applied 19 ( 3 ) 2023年03月
担当区分：最終著者 記述言語：英語 掲載種別：研究論文（学術雑誌）
We numerically study how to enhance reservoir computing performance by thoroughly extracting the spin-wave device potential for higher-dimensional information generation. The reservoir device has a 1-input exciter and 120-output detectors on the top of a continuous magnetic garnet film for spin-wave transmission. For various nonlinear and fading-memory dynamic phenomena distributing in the film space, small in-plane magnetic fields are used to prepare stripe domain structures and various damping constants at the film sides and bottom are explored. The ferromagnetic resonant frequency and relaxation time of spin precession clearly characterizes the change in spin dynamics with the magnetic field and damping constant. The common input signal for reservoir computing is a 1-GHz cosine wave with random 6-valued amplitude modulation. A basic 120-dimensional reservoir output vector is obtained from time-series signals at the 120-output detectors under each of three magnetic field conditions. Then, 240- and 360-dimensional reservoir output vectors are also constructed by concatenating two and three basic ones, respectively. In nonlinear autoregressive moving average (NARMA) prediction tasks, the computational performance is enhanced as the dimension of the reservoir output vector becomes higher and a significantly low prediction error is achieved for the tenth-order NARMA task using the 360-dimensional vector and optimum damping constant. The results are clear evidence that the collection of diverse output signals efficiently increases the dimensionality of the integrated reservoir state vector (i.e. reservoir-state richness) and thereby contributes to high computational performance. This paper demonstrates that performance enhancement through various configuration settings is a practical approach for on-chip reservoir computing devices with small numbers of real output nodes.
-
Multi-Reservoir Echo State Networks with Hodrick-Prescott Filter for nonlinear time-series prediction.
Ziqiang Li, Yun Liu, Gouhei Tanaka
Applied Soft Computing 135 110021 - 110021 2023年03月
-
Spatially Arranged Sparse Recurrent Neural Networks for Energy Efficient Associative Memory. 査読あり 国際誌
Gouhei Tanaka, Ryosho Nakane, Tomoya Takeuchi, Toshiyuki Yamane, Daiju Nakano, Yasunao Katayama, Akira Hirose
IEEE transactions on neural networks and learning systems 31 ( 1 ) 24 - 38 2020年01月
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（学術雑誌）
The development of hardware neural networks, including neuromorphic hardware, has been accelerated over the past few years. However, it is challenging to operate very large-scale neural networks with low-power hardware devices, partly due to signal transmissions through a massive number of interconnections. Our aim is to deal with the issue of communication cost from an algorithmic viewpoint and study learning algorithms for energy-efficient information processing. Here, we consider two approaches to finding spatially arranged sparse recurrent neural networks with the high cost-performance ratio for associative memory. In the first approach following classical methods, we focus on sparse modular network structures inspired by biological brain networks and examine their storage capacity under an iterative learning rule. We show that incorporating long-range intermodule connections into purely modular networks can enhance the cost-performance ratio. In the second approach, we formulate for the first time an optimization problem where the network sparsity is maximized under the constraints imposed by a pattern embedding condition. We show that there is a tradeoff between the interconnection cost and the computational performance in the optimized networks. We demonstrate that the optimized networks can achieve a better cost-performance ratio compared with those considered in the first approach. We show the effectiveness of the optimization approach mainly using binary patterns and apply it also to gray-scale image restoration. Our results suggest that the presented approaches are useful in seeking more sparse and less costly connectivity of neural networks for the enhancement of energy efficiency in hardware neural networks.
DOI： 10.1109/TNNLS.2019.2899344
その他リンク： https://dblp.uni-trier.de/db/journals/tnn/tnn31.html#TanakaNTYNKH20
-
Recent advances in physical reservoir computing: A review 査読あり 国際誌
Gouhei Tanaka, Toshiyuki Yamane, Jean Benoit Heroux, Ryosho Nakane, Naoki Kanazawa, Seiji Takeda, Hidetoshi Numata, Daiju Nakano, Akira Hirose
NEURAL NETWORKS 115 100 - 123 2019年07月
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（学術雑誌） 出版者・発行元：PERGAMON-ELSEVIER SCIENCE LTD
Reservoir computing is a computational framework suited for temporal/sequential data processing. It is derived from several recurrent neural network models, including echo state networks and liquid state machines. A reservoir computing system consists of a reservoir for mapping inputs into a high-dimensional space and a readout for pattern analysis from the high-dimensional states in the reservoir. The reservoir is fixed and only the readout is trained with a simple method such as linear regression and classification. Thus, the major advantage of reservoir computing compared to other recurrent neural networks is fast learning, resulting in low training cost. Another advantage is that the reservoir without adaptive updating is amenable to hardware implementation using a variety of physical systems, substrates, and devices. In fact, such physical reservoir computing has attracted increasing attention in diverse fields of research. The purpose of this review is to provide an overview of recent advances in physical reservoir computing by classifying them according to the type of the reservoir. We discuss the current issues and perspectives related to physical reservoir computing, in order to further expand its practical applications and develop next-generation machine learning systems.
DOI： 10.1016/j.neunet.2019.03.005
その他リンク： https://dblp.uni-trier.de/db/journals/nn/nn115.html#TanakaYHNKTNNH19
-
Random and targeted interventions for epidemic control in metapopulation models. 査読あり 国際誌
Gouhei Tanaka, Chiyori Urabe, Kazuyuki Aihara
Scientific reports 4 5522 - 5522 2014年07月
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（学術雑誌） 出版者・発行元：NATURE PUBLISHING GROUP
In general, different countries and communities respond to epidemics in accordance with their own control plans and protocols. However, owing to global human migration and mobility, strategic planning for epidemic control measures through the collaboration of relevant public health administrations is gaining importance for mitigating and containing large-scale epidemics. Here, we present a framework to evaluate the effectiveness of random (non-strategic) and targeted (strategic) epidemic interventions for spatially separated patches in metapopulation models. For a random intervention, we analytically derive the critical fraction of patches that receive epidemic interventions, above which epidemics are successfully contained. The analysis shows that the heterogeneity of patch connectivity makes it difficult to contain epidemics under the random intervention. We demonstrate that, particularly in such heterogeneously connected networks, targeted interventions are considerably effective compared to the random intervention. Our framework is useful for identifying the target areas where epidemic control measures should be focused.
DOI： 10.1038/srep05522
-
Dynamical robustness of coupled heterogeneous oscillators. 査読あり 国際誌
Gouhei Tanaka, Kai Morino, Hiroaki Daido, Kazuyuki Aihara
Physical review. E, Statistical, nonlinear, and soft matter physics 89 ( 5 ) 052906 - 052906 2014年05月
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（学術雑誌） 出版者・発行元：AMER PHYSICAL SOC
We study tolerance of dynamic behavior in networks of coupled heterogeneous oscillators to deterioration of the individual oscillator components. As the deterioration proceeds with reduction in dynamic behavior of the oscillators, an order parameter evaluating the level of global oscillation decreases and then vanishes at a certain critical point. We present a method to analytically derive a general formula for this critical point and an approximate formula for the order parameter in the vicinity of the critical point in networks of coupled Stuart-Landau oscillators. Using the critical point as a measure for dynamical robustness of oscillator networks, we show that the more heterogeneous the oscillator components are, the more robust the oscillatory behavior of the network is to the component deterioration. This property is confirmed also in networks of Morris-Lecar neuron models coupled through electrical synapses. Our approach could provide a useful framework for theoretically understanding the role of population heterogeneity in robustness of biological networks.
-
Dynamical robustness in complex networks: the crucial role of low-degree nodes. 査読あり 国際誌
Gouhei Tanaka, Kai Morino, Kazuyuki Aihara
Scientific reports 2 232 - 232 2012年
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（学術雑誌） 出版者・発行元：NATURE PUBLISHING GROUP
Many social, biological, and technological networks consist of a small number of highly connected components (hubs) and a very large number of loosely connected components (low-degree nodes). It has been commonly recognized that such heterogeneously connected networks are extremely vulnerable to the failure of hubs in terms of structural robustness of complex networks. However, little is known about dynamical robustness, which refers to the ability of a network to maintain its dynamical activity against local perturbations. Here we demonstrate that, in contrast to the structural fragility, the nonlinear dynamics of heterogeneously connected networks can be highly vulnerable to the failure of low-degree nodes. The crucial role of low-degree nodes results from dynamical processes where normal (active) units compensate for the failure of neighboring (inactive) units at the expense of a reduction in their own activity. Our finding highlights the significant difference between structural and dynamical robustness in complex networks.
DOI： 10.1038/srep00232
-
Complex-Valued Multistate Associate Memory with Nonlinear Multilevel Functions for Gray-Level Image Reconstruction 査読あり 国際誌
Gouhei Tanaka, Kazuyuki Aihara
IEEE Transactions on Neural Networks 20 20 ( 9 ) 1463 - 73 2009年09月
-
Bifurcation analysis on a hybrid systems model of intermittent hormonal therapy for prostate cancer 査読あり
Gouhei Tanaka, Kunichika Tsumoto, Shigeki Tsuji, Kazuyuki Aihara
PHYSICA D-NONLINEAR PHENOMENA 237 ( 20 ) 2616 - 2627 2008年10月
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（学術雑誌） 出版者・発行元：ELSEVIER SCIENCE BV
Hybrid systems are widely used to model dynamical phenomena that are characterized by interplay between continuous dynamics and discrete events. An example of biomedical application is modeling of disease progression of prostate cancer under intermittent hormonal therapy, where continuous tumor dynamics is switched by interruption and reinstitution of medication. In the present paper, we study a hybrid systems model representing intermittent androgen suppression (IAS) therapy for advanced prostate cancer. Intermittent medication with switching between on-treatment and off-treatment periods is intended to possibly prevent a prostatic tumor from developing into a hormone-refractory state and is anticipated as a possible strategy for delaying or hopefully averting a cancer relapse which most patients undergo as a result of long-term hormonal suppression. Clinical efficacy of IAS therapy for prostate cancer is still under investigation but at least worth considering in terms of reduction of side effects and economic costs during off-treatment periods. In the model of IAS therapy, it depends on some clinically controllable parameters whether a relapse of prostate cancer occurs or not. Therefore, we examine nonlinear dynamics and bifurcation structure of the model by exploiting a numerical method to clarify bifurcation sets in the hybrid system. Our results suggest that adjustment of the normal androgen level in combination with appropriate medication scheduling could enhance the possibility of relapse prevention. Moreover, a two-dimensional piecewise-linear system reduced from the original model highlights the origin of nonlinear phenomena specific to the hybrid system. (C) 2008 Elsevier B.V. All rights reserved.
書籍等出版物
-
リザバーコンピューティング : 時系列パターン認識のための高速機械学習の理論とハードウェア
田中, 剛平, 中根, 了昌, 廣瀬, 明（ 担当： 共著）
森北出版 2021年03月 （ ISBN:9784627855311 ）
総ページ数：vi, 207p 記述言語：日本語 著書種別：学術書
MISC
-
リザバーコンピューティング 招待あり
田中剛平
電子情報通信学会誌 106 ( 6 ) 2023年06月
-
リザバーコンピューティングの概念と最近の動向 (小特集 リザバーコンピューティング)—Concept of Reservoir Computing and Its Recent Trends
田中 剛平
電子情報通信学会誌 = The journal of the Institute of Electronics, Information and Communication Engineers 102 ( 2 ) 108 - 113 2019年02月
-
スピン波リザバーコンピューティング:実用的な計算性能向上の手法
中根了昌, 廣瀬明, 田中剛平
応用物理学会春季学術講演会講演予稿集(CD-ROM) 70th 2023年03月
-
Guest Editorial Special Issue on New Frontiers in Extremely Efficient Reservoir Computing
Gouhei Tanaka, Claudio Gallicchio, Alessio Micheli, Juan Pablo Ortega, Akira Hirose
IEEE Transactions on Neural Networks and Learning Systems 33 ( 6 ) 2571 - 2574 2022年06月
-
磁区を伝播するスピン波を用いたリザバーコンピューティング
中根了昌, 廣瀬明, 田中剛平, 田中剛平, 田中剛平
応用物理学会春季学術講演会講演予稿集(CD-ROM) 69th 2022年
-
スパイキングニューラルネットワークとreward-modulated STDPによるリザバーコンピューティング
鶴海杭之, 田中剛平, 田中剛平
電子情報通信学会技術研究報告(Web) 122 ( 65(NLP2022 1-25) ) 2022年
-
リザバーコンピューティングによる再構成処理を利用した時系列信号の異常検知の試み
加藤准也, 田中剛平, 田中剛平, 中根了昌, 廣瀬明
電子情報通信学会技術研究報告(Web) 121 ( 390(NC2021 46-78) ) 2022年
-
リザバー状態のマハラノビス距離を用いた省メモリ型時系列異常検知
田村浩人, 田中剛平, 田中剛平, 藤原寛太郎
日本神経化学会大会抄録集(Web) 65th 2022年
-
リワードマシンを用いる強化学習手法の計算性能とタスク難易度の関係
渡邊隆二, 田中剛平
電子情報通信学会技術研究報告(Web) 121 ( 444(NLP2021 126-152) ) 2022年
-
教師なしパターン認識のためのスパイキングニューラルネットワークにおけるスパース結合の影響
品川大樹, 藤原寛太郎, 田中剛平, 田中剛平
電子情報通信学会技術研究報告(Web) 121 ( 444(NLP2021 126-152) ) 2022年
講演・口頭発表等
-
Recent progress in reservoir computing: methods and applications 招待あり 国際会議
Gouhei Tanaka
International Symposium on Physics and Applications of Laser Dynamics 2024 2024年11月
-
リザバーコンピューティングによる複雑時系列パターン認識 招待あり
田中剛平
第85回応用物理学会秋季学術講演会, シンポジウム「新材料・新原理を活⽤した物理リザバーコンピューティングの社会応⽤に向けて」 2024年09月
-
Diversity-based neural networks: Towards filling the gap between artificial and natural systems 招待あり 国際会議
Gouhei Tanaka
The 2nd International Workshop on Deep Learning meets Neuromorphic Hardware, ECML-PKDD 2024年09月 ECML-PKDD 2024
-
Diverse-Timescale Echo State Networks for Multiscale Modeling 国際会議
Gouhei Tanaka
International Conference on Neuromorphic, Natural, and Physical Computing 2023年10月
-
リザバーコンピューティングによる生体情報を用いた省資源かつ効率的な感情推定手法の提案
福原 陸翔, 田中 剛平, 鈴木 圭, 菅谷 みどり
情報処理学会 第210回 ヒューマンコンピュータインタラクション研究会 2024年11月
-
長い時間スケールを有する酸化物リーク積分トランジスタの開発とスパイキングニューラルネットワークへの応用 招待あり
井上 悠, 田村 浩人, 鬼頭 愛, シャンユ チェン, ゾルボー, ビャムバドルジ, 矢嶋 赳彬, 堀田 育志, 飯塚 哲也, 田中 剛平, 井上 公
電子情報通信学会 磁気記録・情報ストレージ研究会（MRIS） 2024年11月
-
A genetic approach for designing network topologies ofmultiple reservoir echo state networks
Ziqiang Li, Kantaro Fujiwara, Gouhei Tanaka
IRCN Retreat 2024 2024年10月
-
Vector font generation with transformer
Takumu Fujioka, Gouhei Tanaka
IRCN Retreat 2024 2024年10月
-
Federated learning based on reservoir computing for anomaly detection
Keigo Nogami, Gouhei Tanaka
IRCN Retreat 2024 2024年10月
-
FPGA実装したスパイキングリザバーによるリアルタイム筆跡異常検知
井上 悠, 田村 浩, 鬼頭 愛, チェン シャンユ, ビャムバドルジ ゾルボー, 矢嶋 赳彬, 堀田 育志, 飯塚 哲也, 田中 剛平, 井上 公
第85回応用物理学会秋季学術講演会 2024年09月
受賞
-
Best Paper Award 3rd Prize, 29th International Conference on Artificial Neural Networks (ICANN)
2020年11月 European Neural Network Society Two-Step FORCE Learning Algorithm for Fast Convergence in Reservoir Computing
Hiroto Tamura, Gouhei Tanaka
-
Best Paper Award
2017年 IEEE Transcations on Nanotechnology 2016
Gouhei Tanaka, Yasunao Katayama, Daiju Nakano, Toshiyuki Yamane, Ryosho Nakan
-
Best Poster Award (Silver Prize)
2011年 The FIRST International Symposium on Innovative Mathematical Modelling Robustness of Scale-free Networks of Oscillators against Partial Inactivation
Gouhei Tanaka
-
Honorable Mention Award, DSWeb Tutorials Contest
2005年 Society for Industrial and Applied Mathematics Crisis-induced Intermittency in Coupled Chaotic Maps
Gouhei Tanaka
科研費（文科省・学振）獲得実績
-
多様性に基づく脳型計算の数理的基盤の構築
研究課題/領域番号：23K28154 2023年04月 - 2027年03月
日本学術振興会 科学研究費助成事業 基盤研究(B)
田中 剛平
配分額：15080000円 （ 直接経費：11600000円 、 間接経費：3480000円 ）
-
異種計算モデルの融合に基づく高速機械学習手法の発展
研究課題/領域番号：20K11882 2020年04月 - 2023年03月
日本学術振興会 科学研究費助成事業 基盤研究(C)
田中 剛平
配分額：4290000円 （ 直接経費：3300000円 、 間接経費：990000円 ）
前年度に引き続き、深層学習モデルに比べて高速学習を可能とするリザバー計算モデルを核として、異種の計算モデルと融合したり、効果的な前処理・後処理を追加したりすることにより、高速機械学習モデルの開発を目指している。具体的には、以下のような計算モデルや学習手法の研究を行った。
(1) マルチステップ学習エコーステートネットワークの研究においては、複数のリザバーを連結して学習を段階的に行う手法を提案し、非線形時系列予測タスクに適用した。提案モデルは、モデルサイズが同一であれば、従来の単一リザバー計算モデルと比較して、高い計算性能を与えうることを数値実験により示した。単一リザバー計算モデルではリザバーの大規模化にともない性能の飽和が生じるが、提案手法ではこれを回避できる。また、モデルサイズが同一であれば、単一リザバー計算モデルと比較して、少ない時間計算量で効率的に学習できることを理論的および数値実験的に明らかにした。
(2) データリサンプリングをともなうマルチリザバー計算モデルの研究においては、入力やリザバー状態の時系列を異なる間隔でリサンプリングすることにより、多様な特徴量を抽出する仕組みを考えた。これを様々な構造をもつマルチリザバー計算モデルと組合わせたところ、そのうちいくつかのモデルは、最先端のマルチリザバー計算モデルと比較して、時系列予測性能または学習速度の面で優れていることを明らかにした。
(3) リザバー計算モデルの発展的オンライン学習法の研究においては、転移学習からヒントを得て、事前に多様なパターンを含むデータでモデルの学習を行っておくことで、メインの学習段階では計算量を大幅に短縮できることを示した。この手法は、リザバー計算ハードウェアの学習効率化に資すると考えられる。 -
細胞システム動態の分岐解析と疾患制御への応用
研究課題/領域番号：17H05994 2017年04月 - 2019年03月
日本学術振興会 科学研究費助成事業 新学術領域研究(研究領域提案型)
田中 剛平
配分額：3640000円 （ 直接経費：2800000円 、 間接経費：840000円 ）
本研究では、細胞シグナル伝達系を動的システムと見なして、システムバイオロジーや非線形力学系の観点から解析を行い、細胞動態を理解し解析するための数理科学技術の発展を目指す。
<BR>
前年度に重点的に解析を行ったアトピー性皮膚炎の数理モデル解析に関しては、いくつかの課題を検討した。投薬が間欠的に行われた場合は、シグナル伝達機構の内部の空間的スイッチに加えて、入力シグナルも時間的にスイッチすることになる。こうした空間的にも時間的にもスイッチ機構を持つモデルの分岐解析の技術的な可能性を検討した。また、症状の定性的変化（特に悪化）は分岐現象に対応するが、事前にその予兆を検出することができれば、早期対策が可能となる。患者の皮膚バリアの状態が計測できると仮定して、どのような量が早期警戒シグナルとなり得るかを検討した。
<BR>
また本年度は、高次元微分方程式系で表現されるNF-kBシグナル伝達系の数理モデルを効率的に解析する方法を探究し、前処理として必要なモデルの次元縮約について調査した。その結果、（１）感度解析により主要な伝達経路を同定して状態変数を限定する、（２）各状態変数の時間スケールの差を考慮して注目する時間スケールの状態変数のみに限定する、（３）要素の相互作用を表すグラフを発見的なルールに基づいて簡略化する、などの手法が有望であることが分かった。高次元モデルをより低次元モデルに縮約し、分岐解析ソフトで解析するための準備を行った。 -
レザバーコンピューティングシステムの数理的解析と最適設計
研究課題/領域番号：16K00326 2016年04月 - 2019年03月
日本学術振興会 科学研究費助成事業 基盤研究(C)
田中 剛平
配分額：4420000円 （ 直接経費：3400000円 、 間接経費：1020000円 ）
レザバーコンピューティングは、高速学習を可能とする機械学習の枠組みの一つである。本研究では、レザバーコンピューティングの数理的解析とレザバーの最適設計を行い、従来の問題点を解決するとともに、新たなモデルを提案して学習の高速化や計算性能向上を実現した。また、物理的レザバーの可能性を広く探究して数理モデリングを行い、その基本特性や基礎的タスクにおける計算性能を明らかにした。
-
複雑ネットワークの動的頑健性に関する数理的研究
研究課題/領域番号：24700222 2012年04月 - 2014年03月
日本学術振興会 科学研究費助成事業 若手研究(B)
田中 剛平
配分額：4290000円 （ 直接経費：3300000円 、 間接経費：990000円 ）
電力網、インターネット、生体網、人の接触関係などは、複雑な構造をもつネットワークとみなすことができる。複雑ネットワークがネットワーク要素の故障に対してどの程度頑強であるかを調べることは、ネットワーク機能の破たんを回避するための予防策を考える上で重要である。本研究では、ネットワーク上の動的な振る舞いによって維持される機能に着目して、ネットワーク頑強性に関する理論的枠組みの発展および応用を行った。特に、従来はハブ要素が重要だと認識されてきたが、振動子ネットワークの解析においては、つながりの少ないネットワーク要素が頑強性にとって重要となり得ることを示した。また、提案手法を生体網等の解析に応用した。