中部大学工学部  情報工学科
[English]

山内研究室 Biomimetic Intelligent System Laboratory

yamauchi[at]cs.chubu.ac.jp
   研究室の概要
研究方針
教育方針

   研究内容
研究テーマ
発表論文

 メンバー
教授 山内康一郎
学生

   担当授業

   研究室へのアクセス
   
   top page 
    研究内容(詳細説明)
    • 神経回路の追記学習アルゴリズム(詳細説明)
    • 逐次的モデル選択(詳細説明)
    • 制限付き神経回路の開発と電力制御への応用
     制限付き神経回路の開発と電力制御への応用
     

     神経回路の関数近似能力を利用して電力制御への応用を目指しています。一例として太陽電池の負荷制御を取り上げて研究しています。 太陽電池はそのまま負荷に接続してしまうと、本来の発電能力を発揮できないことがあります。そのため最大電力点追従装置(MPPTコンバータ)を通して負 荷に接続します。このMPPTコンバータの制御に神経回路を使用します。つまり、太陽電池の特性を学習することで高速に最大電力点を追従する方式を研究しています。
      これを実現するにあたって考慮しなければならないのは、電力制御を行うマイコンの中で、いかにして神経回路の学習を実行するのかということです。小型のマ イコンでは当然ながらメモリ容量と計算パワーが限られます。そこで、当研究室では制限付き神経回路を新たに開発して実装しています。この神経回路は Limited General Regression Neural Network (LGRNN)でkernel法を使ってlearning on a budgetを実現します。つまり、本来ならば学習するのにメモリ容量以上のリソースを必要とする大量の学習データが逐次的に与えられても冗長な記憶等を 選択的に忘却することによって追記学習を継続します。

    micro-converter
    関連論文

    [1]Koichiro Yamuchi. "Incremental learning on a budget and its application to quick maximum power point tracking of photovoltaic systems", Journal of Advanced Computational Intelligence and Intelligent Informatics, vol.18, No.4, pp. 682--696 (2014).

    [2]Yasushi Kohata, Koichiro Yamauchi, Masahito Kurihara . "High-Speed Maximum Power Point Tracker for Photovoltaic Systems Using Online Learning Neural Networks", Journal of Advanced Computational Intelligence and Intelligent Informatics, Vol 14, No 6, pp.677-682 (2010).


    中部大学