学習方法

本研究では、入力パターンをカオスニューラルネットワークに入力する時、まず一つのパターンを連続して100回入力する。そして同じように次のパターンを100回入力する。これを全ての入力パターンが終わるまで行った時、1セットの学習が終了したとする。それを100セット繰り返し、ネットワークに学習させた。また、ネットワークが学習を成功できたかどうかを確認するため同じ結合荷重の配分をもつホップフィールドモデルを用いる。 ここへ入力させたパターンを入力し、出力パターンと同じであれば学習に成功したということになる。

ここで、各比率において、入力パターン数に対して学習に成功したパターン数を「最大学習成功パターン数」とする。 ここでの「最大」に関してだが、本研究ではネットワークで学習を行う際は学習セットごとに学習成功か否かの判断を行ったため、そのセットごとで学習成功パターン数は異なってくる。今回はその中での最大値を扱っているため、「最大」 とした。

また、入力パターン数とネットワークが学習したパターン数が同じである場合の学習を「完全学習」と呼び、 その学習したパターン数を完全学習数とする。また、徐々に入力パターン数を増やしていくと途中で完全学習ができなくなることがある。そのどこまで完全学習が成立していたかという値を「最大完全学習数」とする。