ホップフィールドのネットワークにおける記憶パターンの満たすべき条件の緩和

相澤 直  兵庫 明  関根 慶太郎  

誌名
電子情報通信学会論文誌 A   Vol.J77-A   No.5   pp.775-785
発行日: 1994/05/25
Online ISSN: 
DOI: 
Print ISSN: 0913-5707
論文種別: 論文
専門分野: 情報理論,符号理論
キーワード: 
ニューラルネットワーク,  ホップフィールド型ネットワーク,  共分散の学習法,  しきい値,  

本文: PDF(719KB)>>
論文を購入




あらまし: 
ホップフィールドのネットワークは,結合が対称な相互結合型ネットワークにおいて一種の自己相関記憶を行うものである.しかし自己相関記憶には,「記憶パターンのパターンベクトルはお互いに直交していなくてはならない」という制約条件がある.ホップフィールドのネットワークを構成するユニットには,2値(1,0)や多値を示すものがあるが,このうち2値(1,0)のユニットを用いたネットワークのためにホップフィールド自身が提案した学習法,あるいはこれを包括した学習法といえる共分散の学習には,やはり完全に記憶できるパターンに前述した条件に似た制限がある.この学習パターンに対する制約条件を緩和するための一つの方法としてしきい値を調整する方法がある.しかし,共分散の学習法を用いたときのしきい値の設定法については,従来具体的な関数として提案されていない.本論文ではこのしきい値の設定法を関数として提案し,これを用いたとき完全に記憶できる学習パターンに対する制約条件が緩和されることを示す.