カオスニューラルネットワーク連想メモリによる知的情報処理の研究

点击翻译按钮获取中文摘要

本研究では、ニューラルネットワーク連想メモリにカオス理論を導入して状況に応じた柔軟な連想を可能とすることを目標としている。従来のニューラルネットワーク連想メモリのほとんどは一対一の連想しか扱えない。したがって、例えば一つの色や形から複数のものの名前を連想するような一対多、あるいは多対多の連想は極めて困難であった。今年度は、この大きな問題点を克服することのできる新しいカオス連想メモリを提案し、その特性を明らかにした。提案モデルでは、従来のカオスニューラルネットワークにおいて記憶したパターンが外部入力として与えられた時に、入力されたパターンの周辺のみが探索されろという性質を利用して多対多の連想と重畳パターンの分離を可能としている。計算機シミュレーションにより、多対多の連想や重畳パターンの分離が可能であることを確認している。さらに、記憶時における重畳パターンのそれぞれの強さが、想起に与える影響などについても基礎的なデータを得ている。本研究では、カオスニューラルネットワークを今後の柔軟な情報処理のキーテクノロジーとして捉え、多対多の連想と重畳パターンの分離学習に関して基礎的なデータの収集および検討を大きな目標としたため、学習アルゴリズムには基本的な相関学習を用いている。そのため記憶容量は大きくないが、報告者らによって提案されている緩和法を用いた学習アルゴリズムなどを用いることにより、大幅な向上が可能である。