5.1 目的

  ホップフィールドネットワークに代表される従来の連想記憶モデルの多くは、学習時にパターンの相関行列に基づき重みを学習し、想起時にはその重みを利用して想起を行なうというものである。つまり学習過程と想起過程とは全く分離されたものとなっている。しかし、脳においての学習と想起とは分離されたものではないと考える方が自然である。そこで近年パターンの相関行列に依存しない新しい学習法が、多々提案、研究されてきた。

新しい学習法では、ネットワークに記憶させるパターンがあらかじめ全てわかっているとは限らないので、既知のパターンが入力として与えられた場合にはそれを想起し、未知パターンが入力として与えられた場合には新しいパターンとして学習するという、従来の学習法に比べ、より現実に即した学習法となってきている。

本研究では、浅川らが提案した個々のニューロンの内部状態から、 入力されたパターンが既知パターンであるか、 未知パターンであるか判別し、 追加学習する局所的な学習法[6]と相関行列に基づく学習法の代表例であるホップフィールドネットの学習法との連想記憶における性能を比較し、それを評価、検討する。