と標準最大値
逐次学習法の条件式では、不応性項は相互結合項と和をとっている。
不応性項と相互結合項には密接な関係がある。
ところで、本研究の規格化では、標準最大値が結合荷重に多大な影響を与える。
標準最大値が小さくなると、全ての結合荷重の絶対値は小さくなる。
結合荷重の絶対値が小さくなることは、相互結合項の絶対値も小さくなる。
このことが学習能力に影響したと考えられる。
学習能力を落さずにより小さな標準最大値で規格化を行なうには、
不応性項を変化させればできる可能性がある。
不応性項は、係数である の影響を大きく受ける。
従って不応性係数 を変化させることを考えた。
高木の報告 [7] では、効率の良い学習のためには、
不応性係数 は小さ過ぎても大き過ぎても学習できなくなり、
本研究と同じ環境では 1.0 から 3.0 までの間で効率良く学習できるとしている。
高木の報告を元に 
と 
とし、
26個の大文字アルファベットパターンを結合荷重の規格化を行ない学習させた。
図 5.12 に 、図 5.13 に
での結果を示す。
図 5.12 では、標準最大値 
と、
小さな値でも全てのパターンを学習することができた。
また 図 5.13 では、標準最大値 
と、
大きな値でなければ全てのパターンを学習することはできない。
また、 をパラメータに標準最大値と、
40セット終了時の学習成功数の特性をとったものが図 5.14 である。
図 5.14に注目すると、
標準最大値 
が小さいと学習成功数に大きな違いは現れないが、
大きくなるにつれ不応性係数 が小さいものほど学習成功数が
増えていることが分かる。
