昨年の研究から逐次学習法の学習能力は 結合荷重が微小に変化することで学習するためだと予想された。 また、過去の本研究室の研究から学習条件が成立した際の 結合荷重の変化量を大きくし過ぎると 学習成功数が減少するという結果が得られている[2]。
結合荷重がの変化量が小さいことによって、 結合荷重の取り得る値の数が大きくなると考えられるため結合荷重が取り得る値を少なくし、 結合荷重の微小な違いが学習にどのような影響を与えるかを調べた。
結合荷重の微小な違いが与える影響を調べるために 結合荷重の小数点以下を四捨五入することで 結合荷重の取り得る値を整数のみとした。 この処理を量子化と呼ぶことにする。
実験には49個のニューロンを持つニューラルネットワークを用い、 学習させるパターンには7×7のドットで表すことができるアルファベットの大文字のパターンを用いた(図 1)。
各パターンの学習回数は50回としネットワークに学習を行なった。 AからZまでの学習を1セットとし、40セットの学習を行ない その学習中または学習終了時に量子化の処理を加えた。
処理を加えるタイミングは以下のものとした。