ギリシャで開催された，International Conference on Artificial Neural Networks (ICANN 2018)で，
「Check Regularization: Combining Modularity and Elasticity for Memory Consolidation」
「Practical Fractional-Order Neuron Dynamics for Reservoir Computing」
の２件を発表しました．
１つ目は，ニューラルネットワークの破滅的忘却を緩和するための正則化手法の提案です． 具体的には，これまで学習したタスクに重要なパラメータには最適値への弾性を，不必要なパラメータには初期化されるような疎性をもたらす正則化で，これら２種類の特性を切り替える境界条件を設計しました．
２つ目は，リザーバコンピューティングの長期的な記憶容量を獲得するためのニューロンダイナミクスの提案です． 具体的には，小数点未満での微分方程式の解が過去の全ての状態を必要とする，すなわち長期的な記憶容量を持つことに注目し，その解が実用的になるように，一定の計算コストを持つ形で近似しました．