| 研究概要 |
神経回路モデルの学習,特に最近注目を浴びているEMアルゴリズムを応用した学習に関して,甘利らが発展させてきた情報幾何学の手法を適用し,その幾何学的構造の解明を試みた.
また,例題からの学習において学習能力をはかる一基準となる学習曲線に関して,従来求められているものを更に進め,情報幾何学の手法や統計的な漸近理論を応用することによってより複雑なものに関して考察を進めた.
連想記憶モデルについては,構成素子として非単調な特性を持つものを用いることによって,その能力が向上することが大規模な計算機シミュレーションにより最近わかってきたが,統計的および統計力学的手法を用いてこのモデルの記憶容量の評価およびダイナミクスの特性解析を行なった.
また並行して,計算機シミュレーションを行なうことにより,これらの理論解析結果の裏付けを行なった.
|
