next up previous contents
Next: 学習方法 Up: 動的想起状態の実現学習順についての実験 Previous: 相関学習法と逐次学習法の違い

学習モデル

  今回の実験でのカオスニューラルネットワークは、 フィードバックがあり、全てのニューロンが互いに結合している相互結合型を用いた。 また i 番目のニューロンの振る舞いは式(6.1) で与えられる。

  equation285

式(6.1)に示されるカオスニューロンのパラメータの値は、 過去の実験結果から最も適していると考えられる表 6.1 のようにした。 ここで外部入力による各ニューロンへの結合定数 tex2html_wrap_inline1694 はすべて一定にして、 ニューロンごとに入力に対する重みのばらつきはないようにしてある。 また tex2html_wrap_inline1696 はシグモイド関数の立ち上がりの鋭さを示すパラメータである。

 

 
tex2html_wrap_inline1696 = 0.015 tex2html_wrap_inline1700 = 2.0 tex2html_wrap_inline1702 = 0.95
tex2html_wrap_inline1704 tex2html_wrap_inline1706 tex2html_wrap_inline1708
tex2html_wrap_inline1710
表 6.1: 各パラメータ

ニューロンからの出力となるシグモイド関数の範囲を実験を行なうにあたって、 1 から -1 に対応させる。 そのため式(2.4)を変形させた式(6.2) をもちいる。

  equation310



Toshinori DEGUCHI
2004年 3月22日 月曜日 09時50分50秒 JST