| 研究概要 |
本研究ではヒトに近い柔らかな連想記憶を実現する動的連想記憶システムの構築を目指している.本システムは,ウェーブレットネットワークを用いてシステムを構成するため,従来のニューラルネットワークを用いたシステムに比べ,システム構築の簡単化,記憶容量の大幅な増加と複雑なダイナミクスの実現が期待される.従って,複雑な想起動作(カオス的遍歴など)を示すよりヒトのように柔軟な動的連想記憶が実現できる.同時に,本システムを用いたカオス時系列予測などの工学的応用についても検討する.
本年度は第一段階として,カオスニューラルネットワークの連想記憶性能について調査した.一般的に,カオスニューラルネットワークは記憶パターン数の増加と共に,偽記憶も増加してしまう.その結果,記憶パターンの想起に膨大な時間を要する場合や想起できないという問題点が明らかとなっている.本研究では,入力パターンに含まれる特徴を手掛かりパターンとして利用することにより,カオスニューラルネットワークの想起能力を制御できることを示した.その特徴パターンとしては,記憶パターンの形状的(外面的)な特徴を捉えた外部特徴,及び記憶パターンの抽象的(意味的)な特徴を捉えた内部特徴という2種類を用いている.これらの特徴パターンを用いることにより,記憶想起時において探索空間を制限することができ,従来のカオスニューラルネットワークに比して,高速な記憶探索,及び連想記憶が行うことが可能となった.
本研究の成果は論文査読付き国際会議の論文として公表を行った.
|
