0.1 | 0.2 | 0.3 | 0.4 | 0.5 | 0.6 | 0.7 | 0.8 | 0.9 | |
= 0.1 | 0 | 0 | 2 | 9 | 0 | 0 | 0 | 0 | 0 |
= 0.2 | 0 | 0 | 2 | 10 | 7 | 0 | 0 | 0 | 0 |
= 0.3 | 0 | 0 | 1 | 3 | 37 | 0 | 0 | 0 | 0 |
= 0.4 | 0 | 0 | 0 | 2 | 32 | 25 | 0 | 0 | 0 |
= 0.5 | 0 | 0 | 0 | 1 | 17 | 38 | 22 | 0 | 0 |
= 0.6 | 0 | 0 | 0 | 1 | 5 | 39 | 38 | 39 | 1 |
= 0.7 | 0 | 0 | 0 | 1 | 0 | 1 | 14 | 40 | 40 |
= 0.8 | 0 | 0 | 0 | 1 | 0 | 1 | 4 | 8 | 40 |
= 0.9 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 5 | 5 |
ネットワークを変更したプログラムの検索結果を図 7.9 に示す。 今度も40回検索できるパラメータが3つある。 数多く検索できるパラメータが 前に述べた実験(2)、実験(3)より表上で右上にずれている。 この現象はネットワークを2つにしたためである。 普通のニューラルネットワークを加えたため、 カオス状態が弱くなり、 (相互結合入力に関する記憶の減衰定数)が小さく、 (不応性に関する減衰定数)が大きいほど検索がうまくいっている。