本研究では、カオスニューラルネットワークにバックプロパゲーション法を用いて最高気温と最低気温を入力し次の日の最高気温と最低気温を出力するように学習させた。 カオスニューラルネットに学習した年の予測をさせた場合に、Btypeのネットワークでは1日あたりの誤差が1を下回るほど学習された。 しかし、学習していない年では誤差が大きくなった。 Atypeのネットワークで学習してない年の予測をさせると誤差が学習した年のものとあまり変わらない結果が得られたが、気温予測としては誤差が、3近くもあり実用性に欠く。 気温の変化がカオスニューロンでは学習できないほど複雑に変化しているのだと思われる。
カオスニューロンと通常のニューロンとの比較をしてみると、性能はほとんど変わらなかったが、若干カオスニューロンの方が性能が良いことが分かった。
今回の学習では、2年分の気温を学習したが気温変化を学習し予測するにはには学習期間が短いと感じられた。 予測の実用性を向上させるためにはもっと長い期間の学習を行なったり、または、気温だけでなく、その他に気圧や天候などの多くの情報を与えることによって可能になるだろう。
謝辞
最後に、本研究に対し一年間を通して多大な御指導を頂きました出口利憲先生に深く感謝致します。
また、同研究室において良き助言を頂いた専攻科生の徳島大己氏、浅川新也氏、山田博久氏、本科生の國枝博希氏、保木一樹氏、山田樹一氏に感謝します。