第7章 結言

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、出力層とは別にランダム層を設けたモデルを提案し、 その想起能力について３層モデルと比較した。 そのモデルでは、学習するパターンのサイクル内に他のサイクルと同じパターンが幾つか続いても想起能力は下がらず、 「再発部分系列が長さに関わらず、ネットワークは２層でよい」ということが確認された。 また、ランダム層が学習するパターンの初期値が分からなくても、想起能力には影響がないこと、 入力の際に25%程度の誤りがあっても訂正する能力が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り、 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。

• 学習パターンに対して、1と0が同確率で現れるよう符号化できた場合だけでなく、 文字パターンなどの任意のパターンを記憶できるモデルを構成する。
• さらに高い誤り訂正能力をもたせる。
• 時系列処理の高速化に関する問題について調べる。
• このモデルはサイクル周期が３の場合は記憶できたが、さらに周期が多い場合など、 任意長の時系列を記憶できるかということを調べる。

謝辞

最後に、本研究についてこの１年間、終始多大なご指導をしていただいた出口先生に深く感謝いたします。 また、同研究室において共に研究に協力してくれた久木雄一郎氏、板生成弘氏、後藤義貴氏に感謝の意を表します。