|
本研究代表者は、これまでに、「写像」と「緩和」という2つのパラダイムを統合した人工ニューラルネットワークモデル(CCHN/Cross-Coupled Hopfield Nets)を提案し、連想記憶などのタスクを課することによってモデルの特性を調べてきた。スプリアスメモリの改善など、(写像能力を持たない)標準的な緩和型ネットに比べて優れた特性を示すことが明らかになりつつある。一般に、連想記憶のタスクは、記銘すべき点は、状態空間内の1点(固定点アトラクタ)として場所が分かっている場合であり、写像能力のあるネットを導入することの効果はある程度予想することが可能であった。しかしながら一方、最適化問題の場合には、連想記憶タスクの場合とは異なり、ネットワークに記銘すべき点(固定点アトラクタの位置)は不明であり、むしろその点がどこに存在しているかを探索すること自体がタスクとなる。そのため、緩和プロセスの中に「写像」を導入することの意味付けは困難であり、最適化の際に遭遇するローカルミニマムの深刻な問題を解決・改善するには、上述のモデルをそのまま応用することはできず、別なアプローチが必要であった。
そのような状況のもと、本研究代表者は、自由度を上げるためではなく自由度を抑制するために「ネットワークの冗長さ」を用いることを考え、冗長な構造を有する緩和型ネットワークモデルを構築し、これに最適化問題をインプリメントすることを試みている。現在、複数のモデル(アーキテクチャ)を提案し、幾つかのサイズの最適化問題を用いてモデルの特性を調整中である。本研究においては、「モデルの検討」の他に「並列計算機による特性のシミュレーション」も重要課題であり、現在、疎結合並列計算機システムの構築と平行して、このシステムを用いて検討中のモデルを効率良く計算するための「並列性・冗長性の取り方」についても検討中である。
|
