| 研究概要 |
これまでの研究において,カオス的パルス結合ネットワーク(CPCN)が呈する各種同期現象の解析を行うとともに,同期現象を利用した画像処理への応用例を提案している.
今年度の研究では,CPCNの構成要素であるカオス的スパイキング発振器(CSO)のパルス入力応答について考察した.従来のパルス入力系と異なる点はCSOに入力に対する不応性を付加したことである.この不応性は神経素子であるニューロンにも見られる性質であり,神経回路網における情報処理に対して重要な役割をもつことが示唆されている.本研究で扱うCSOはニューロンモデルとみなすこともでき,入力に対して多彩な同期.非同期応答を示すことをこれまでの研究で明らかにしている.不応性のパラメータを付加することにより,CSOはより多彩な応答を示すことを数値実験によって明らかにした.また.本モデルの動作は我々が過去に考案した解析手法を用いれば,区分線形1次元写像(マップ)と対応させることができる.同マップを用いて本モデルが呈する各種応答を理論的に解析し,それらの応答の(パラメータ空間における)存在領域を解明することができた.本モデルに基づくCPCNについて考察し,機能的なネットワークの構築を目指すことが今後の課題である.
並行して,遺伝的アルゴリズムによるニューラルネット(NN)の学習法についての研究も行った.特に入力の特徴を適切に分類する機能を有するための学習法の改良を行い,その有効性を数値実験によって示した.一方,CPCNは入力に対してネットワーク中に複数のCSOが同期した集団を形成する興味深い現象を呈することがわかっている.これはCPCNが基本的な分類機能を有することを意味している.本学習法をCPCNのネットワークパラメータの学習に応用させることが今後の課題である.
|
