| 研究概要 |
1ビットニューラルネットワークの学習法を,リカレント型,エラーフィードバック型,アダライン法を用いて実現した。また,1ビットの飽和出力関数をモデル化して作った推定ネットワークモデルがほぼ同じ働きをすることがわかった。したがってこのモデルにより大まかなネットワークの特性の設定を行い,これを微調整するという手段が有効であることがわかった。
1ビットニューラルネットワークモデルとして,静的な入出力関係を表すネットワークよりも,入力の動的な変化に対する出力を行うネットワークの方が適していると当初考えていた。しかし,単入力モデルで表した静的な入出力関係が1ビットネットワークで実現する事ができた。これは,1ビット信号のサンプル時間が十分短ければ,1ビットディジタル信号のパルス間隔がアナログ量に相当し,その演算結果が,静的な演算結果と等価になることを考慮すると,明白な結果である。今後の1ビットニューラルネットワークん研究に必要となる知見を得た。
本研究におけるの学習手法は,実数系にモデルを作り実際に使うべき荷重の整数比を推定したあとに微調整を行うものであった。これは整数比の変更による荷重の変更の手法が確立していないことによる回避手段というべきもので,直接変数を操作するネットワークの構築方法を検討する必要がある。
|
