目的

  以前から本研究室では、カオスニューラルネットワークを用いた学習法として、 へッブの学習則に基づいた逐次学習法の研究を行なってきた。 その研究結果から、逐次学習法は相関学習法よりも、素子数に対して記憶できる パターン数が多く、連想記憶に適した学習法であると考えられている。

逐次学習法の方が記憶できるパターン数が多い原因として、逐次学習法によって 形成される結合行列の特徴である非対称性、結合荷重値のとる値の数の多さ、 結合荷重値の分布などが考えられてきたが、まだはっきりとした原因は 分かっていない。

本研究では、逐次学習法において未知パターンを学習する際に、すでに学習済みの パターンの結合荷重値を利用している、また、結合荷重値のとる値が多いために、 より適切な結合荷重分布が形成されると予想し、これらが記憶できるパターン数が 多いことの原因であることを確かめる。