使用プログラムと係数の設定

今回の実験では、自己組織化マップにHelsinki University of Technologyが作成したSOM_PAK[7]を使用した。SOM_PAKは自己組織化マップの学習・ラベル付け・競合層におけるラベルの配置図の出力を行うプログラムパッケージであり、今回の実験においてはこのうち学習とラベル付けのみをこのプログラムパッケージで行い、その後の予測は第4章で述べた予測アルゴリズムを使って行った。

本研究の全ての実験では1度の予測に学習率係数や学習半径の初期値が違う2回の学習を行った。また、実験データの統一のため1回目の学習率係数の初期値$\alpha$を0.2、学習半径の初期値$\sigma ^2$を1000、2回目の学習率係数の初期値$\alpha$を0.02、学習半径の初期値$\sigma ^2$を10に統一して実験を行う。各実験の学習回数は1回目を1000回、2回目を10000回とする。また、自己組織化マップの競合層のニューロン数は縦100、横100の合計10000個で学習を行う。そして、前章で述べたような方法で自己組織化マップによる気象要素の分類を行い、自己組織化マップの競合層の各ニューロンが持つ情報から気象予測を行った。