本論文ではニューラルネットワークで時系列処理を行なうために、ランダム層モデルの想起能力について調べた。 このモデルでは、想起能力を高めるには、サイクル周期を大きくすれば良いということ、さらに、学習されるパターン数が大きくなると、想起能力は徐々に落ちていくが、サイクル周期を大きくするのならば、その想起能力にはそれほど影響を与えないことが確認できた。
それから、入力の際に 25% 程度までの誤差ならば、誤りを訂正して正しく想起する能力があり、そのためには、学習パターンが 1 と 0 がほぼ同確率に近い状態で現れるように符合化されたランダムパターンであることが重要であることを確認した。
しかし、本研究はまだまだ基礎の段階であるため、実際に、コンピュータが入力の前後が関係してくる時系列を処理するようになるには沢山の課題がある。 その代表的なものとして次のようなものが挙げられる。
謝辞
最後に、本研究について終始多大なご指導をしていただいた出口利憲先生に深く感謝いたします。 また、同研究室において研究に有益な助言と示唆をいただいた専攻科の柘植章博氏、徳島大己氏、共に学んだ浅川新也氏、竹村浩二氏、山田博久氏に感謝の意を表します。