Next: 学習法
Up: 内部記憶を持つニューラルネットワーク
Previous: Elmanのネットワーク
目次
Elmanのネットワークのように過去の情報を直接利用した場合、
同じ周期を数回繰り返した後に、別の周期の情報が現れるような時系列を
学習させることが、困難であるとされている。
これは過去の情報だけでは同じ周期から別の周期に移るのか
再び同じ周期を繰り返すのかという判別ができないからである。
そこで文脈層にも結合荷重を持たせることとし、
これを内部記憶層と呼称する。
結合荷重を持たせることによって
教師信号の変化によって結合荷重が変化し、
その出力値が変化するために
時系列を学習させやすい。
また素子数が必ずしも中間層と同じである必要がない。
図 3.2:
内部記憶層を持つニューラルネットワーク
|
以上の特性を持つ素子を図3.2
のように組み合わせた
内部記憶を持つニューラルネットワークはリカレントネットワークの一種で、
普通の階層型との大きな違いは、内部記憶層部分があるために
出力層の出力の一部が入力層の入力の一部に戻っている点である。
リカレントネットワークとは、
相互結合型のように結合の仕方が対称になっているネットワークとは異なり、
結合状態が非対称でフィードバックを持つネットワークのことである。
非対称性でフィードバックを持つネットワークは、
現在の出力が現在の入力だけではなく、
過去の入力で決定されたネットワークの状態にも依存するようになるため、
入力の時系列パターンを識別することや、自律的に時空間的なパターンを
発生することが可能となる。
Deguchi Lab.
2011年3月3日