これまでは、入力が完全に正しいパターンであるという 仮定のもとで実験を行ってきた。しかし、実際には 外部からの入力には何らかのノイズが入っていると考える 方が自然である。例えば人が紙に書かれた文字を見た時に、 その文字がかすれていたり汚れていて読み取りにくい 場合は、入力にノイズが入っていると考えられる。 昨年までの研究で、局所的逐次学習法は入力にノイズが 入った場合でも学習を正しく行う事ができる、 つまりノイズ耐性を持っていることが分かっている。 そこで、今回の実験に用いたカオスニューラルネットモデルの ノイズに対する学習性能の変化を調べ、昨年までの モデルのものと比較してノイズ耐性がどのように異なるかを調べる。
今回はノイズとして、学習の際入力パターンに ランダムな黒マスを加えるという手法を用いた。 ノイズが多くなるほど入力パターン中の黒マスの占める割合が多くなり、 パターン同士の識別が難しくなる。