カオスニューラルネットワークに逐次学習法を用いて学習させる際に、
過去の研究によるパラメータの最適化によって、
「1」と「
」の比率が1:1の場合について、その比率の性質を学習することが分かった。
そこで本研究では、
比率を1:1にしたときの素子数の違いによる完全学習の様子を調べ、さらに
1:1ではない他の様々な比率について、その比率が学習成功パターン数にどのように影響するのかを調べた。
まず、素子数を100から半分の50、または2倍の200に変えて実験した。 すると、素子数が50でも1:1の比率の性質の学習が見られた。 素子数が200の場合は完全に比率の性質を学習することはできなかったが、その影響を受けている様子が見られた。 素子数が増えると、適するパラメータや学習回数が異なるため、 学習成功パターン数を増やすにはパラメータや学習回数の調整が必要だと思われる。
次に、特に従来の研究で使用されている、素子数が100のカオスニューラルネットワークの場合において、 比率を1:1に近いものから遠いものまで変化させたときに、その比率が学習成功パターン数にどのように影響するのか研究した。 過去の研究で明らかにされた相関値の大小の影響に加え、 パラメータが最適化された本実験では、 1:1の比率の性質を学習していることも、最大完全学習数に関係することが分かった。 1:1の性質の影響を受けず、相関関係からも遠い、 比率が40:60の場合に、最大完全学習数が最も少なかった。 従って、1:1の比率の性質の学習は40:60から50:50の間で学習成功パターン数に影響を及ぼすと考えられる。
最後に、カオスニューラルネットワークに学習させるパターンの比率をランダムに設定した場合の最大完全学習数を、 比率が一定の場合と比べた。 その結果、ランダムな比率の学習パターンは、 比率が一定でその影響を受けない学習パターンよりも、最大完全学習数は多いことが分かった。 従って、最大完全学習数へ影響を及ぼす要素は、相関値が関係しているか、比率が一定の場合とは違ったものであると考えられる。
本研究によって、逐次学習法を用いたカオスニューラルネットワークでは、 入力パターンの比率を一定にした場合、比率が1:1に近づくほど学習しやすくなることが分かった。 従ってこれからの研究においては、完全に1:1ではない、なるべく1:1に近い入力パターンを使用するのが良いと思われる。 今後は、比率をランダムに設定したときに、どのような要素が最大完全学習数の増加に影響を及ぼすのか検討する必要がある。 また、実験1の結果より、素子数が200に増加したときにはこのパラメータは適していないと考えられるため、 素子数の増加と適するパラメータの関係についても調べる必要がある。
最後に本研究を進めるに当たり、一年間を通して多大なご指導を賜りました出口利憲先生に深く感謝するとともに、同研究室においてともに学んだ尾崎亮太氏、山田万太郎氏に厚く御礼を申し上げます。