|
1 ニューロ・フロー・ダイナミクス
ニューロン間のインパルスの流れ(フロー)を直接変数にとる記述法(ニューロ・フロー・ダイナミクス)を用いて、非平衡状態下にあるニューラル・ネットワークを取り扱うための基礎的枠組みの提出を試みた。またHebb則をフローによる記憶効果を含むように拡張し(フロー学習)、ニューロ・フロー・ダイナミクスとフロー学習によるネットワークの状態更新を詳細に解析した。その結果、記憶状態のランクサイズ関係がベキ的に分布していること、及びフロー学習によって初頭効果及び親近効果を統一的に説明できることを発見した。更に、外部から入力が無い状態でネットワークを更新すると(スリープ)、初頭効果及び親近効果がいっそう強められることが明らかとなった。
2 ルール・ダイナミクス
1次元3近傍の対称なルールを持つオートマトンを用い、ルールとオートマトンの活動の同期に関して研究を行なった。ある任意の初期状態から更新させたルールの変化を記録し、そのルール変化を別の初期状態に適用してみると、オートマトンの平均活動度がルールによって支配されていることが数値計算から明らかになった。さらに、クラス2、3、4のルールからペアを作りそれらをオートマトンに適用すると、クラス2、3では同期が促進され、クラス4では非同期状態になる傾向があることがわかった。
|
