| 研究概要 |
筆者が提案した非単調アナログ神経回路網は,従来の神経回路モデルにはない多くの優れた性質をもち,注目を集めている.本研究では,このモデルの動的パターンの記憶能力とその動作原理を明らかにすることを目的として,以下のような研究を行った.
まず,従来のモデルが動的パターンをうまく記憶できない原因を,力学的な観点から検討した.その結果,従来のモデルは,本質的に孤立した点状のアトラクタしかもつことができず,動的パターンの記憶にはもともと適していないこと,複雑な学習則を用いてもこの問題は解決されないことが明らかになった.
次いで,非単調アナログ神経回路網の力学的性質を,主に数値実験によって解析した結果,このモデルでは,線状ないし面状に広がるアトラクタ(の集合)が形成可能なことがわかった.これにより,動的パターンのような一次元構造をもつパターン群の記憶ができることの理論的裏付けが得られた.
そこで,実際に動的パターンを記憶する二種類の方法について検討した.一つは,離散的なパターン系列の各パターン間を適度に補間した上で相関行列を求めるという,昨年度考案した方法である.これについて,十分な数値実験を行い,その有効性を確認した.もう一つは,連続的に変化するパターンを教師信号として入力しながら学習を行う方法であり,その具体的な方法を考案した.後者の方法は,教師パターンの変化速度も同時に学習されるなど,非常に興味深い性質を示したが,学習の詳しいメカニズム等は今後の課題である.
|
