Published papers

© 2018 Curran Associates Inc..All rights reserved. Softmax is an output activation function for modeling categorical probability distributions in many applications of deep learning. However, a recent study revealed that softmax can be a bottleneck of representational capacity of neural networks in language modeling (the softmax bottleneck). In this paper, we propose an output activation function for breaking the softmax bottleneck without additional parameters. We re-analyze the softmax bottleneck from the perspective of the output set of log-softmax and identify the cause of the softmax bottleneck. On the basis of this analysis, we propose sigsoftmax, which is composed of a multiplication of an exponential function and sigmoid function. Sigsoftmax can break the softmax bottleneck. The experiments on language modeling demonstrate that sigsoftmax and mixture of sigsoftmax outperform softmax and mixture of softmax, respectively.

© 2018 In this paper, a recursive identification method for fractional time-delay systems using a discrete-time model is proposed. The fractional time delay is a non-integer multiple of the sampling period for the discrete-time system. We describe the discretization of the fractional time-delay systems and propose a new formulation for system identification. Single-input, single-output systems are transformed to two-input, single-output systems: one transfer function represents system dynamics and the other represents the influence of the time delay. Then, we propose a new recursive identification method for fractional time-delay systems. Finally we verify the effectiveness of the proposed method through numerical examples.

© 2018 In this paper, we consider identification of a linear system connected in parallel with the rate-independent hysteresis. Since the parallel system provides only the combined output of the two systems, it is required to extract the signal related to the target system from the observed data to identify the systems separately. In order to achieve this, we propose a system identification method, in which the identification experiment is performed twice with appropriately designed input signals. The inputs make the responses of the hysteresis identical in the two experiments, therefore the difference of the two observed outputs is related to only the target linear system. Then, the linear system is identified using the difference. The proposed method is applied to a rechargeable battery, whose output originates from the nonlinear and the linear elements: open circuit voltage with hysteresis and overpotential. The effectiveness of the proposed method is illustrated through a numerical simulation of the rechargeable battery.

従来，ロボットアームの周波数特性と物理パラメータを同一の同定実験データから求めることは困難だった。周波数特性は高周波帯域までの情報が必要であり，物理パラメータは低周波帯域の情報のみで十分であるという相反する特性のためであった。本論文では，デシメーションを利用することにより，この問題点を解決している。提案法を利用することにより，ロボットの動特性の同定実験を大幅に短縮することが可能になった

多数の振動モードを有する柔軟構造物の数学モデルを得るために，マルチデシメーション同定法を適用し，得られた同定モデルに基づいてロバスト制振制御系を設計する方法を提案している。

画像情報を用いて移動ロボットの動特性を同定する方法を提案している。実験より得られたデータは，不等間隔サンプリングデータであり，またアウトライアを含むステップ応答試験データであった。このような不完全な情報下においても有効に動作するような，サポートベクターマシンに基づく同定法を提案し，実験データを通してその有効性を明らかにした。

２自由度制御系を用いて自動車車室内の騒音を制御する方法を提案している。その制御系のフィードバック部には内部モデル制御（IMC）を採用したので，ロバストな制御性能を達成できている。提案した方法を実車実験によって計測された騒音データに適用し，その有効性を示している。

デシメーションと呼ばれるディジタル信号処理の方法を利用したモデルの不確かさの同定法を提案し，その方法を大型人工衛星を模擬した数値シミュレーションデータに適用し，有効性を確認している。

広周波数帯域に渡って振動モードが多数存在するシステムは，従来の最小二乗法では同定が困難なシステムであるとされていた。本論文では，システムの入出力データに対してデシメーションと呼ばれる信号処理を複数個適用することによって，システムの周波数特性を帯域分割し，それぞれに対して最小二乗法を適用する同定法を提案している。この同定法を柔軟なロボットアームの同定実験に適用し，その有効性を示している。

ビジュアルフィードバックによる自動制御系の設計法を提案し，その有効性をラジコンカーを用いた実験装置を通して明らかにしている。具体的には，ラジコンカーの動特性をシステム同定実験により構築し，そのモデルに基づいてロバスト制御系を設計している。