競合学習[3,4,5]

図 3.1: 競合学習型ネットワーク

人工ニューラルネットワークにおける情報処理に関する研究では、 音声認識や画像認識などのデータごとの差異が大きく、 大規模なデータのパターン認識には満足と言える方式が見つかっていない。 パターン認識には階層型ネットワークであるパーセプトロン やその発展型で誤差逆伝搬法を使ったバックプロパゲーションが用いられているが、 データごとの差異が大きい音声データや画像データなどでは、 ローカルミニマムに陥りやすくなってしまうという問題があった。

そこで、こういった複雑な特徴のパターン認識では、 競合学習型ニューラルネットワークによる方式が提案されている。

競合学習(Competitive learning)は、同一の入力がニューロンに送り込まれると、 各々のニューロンが活性度を競い合うという側方相互作用を利用する。 ニューロンは入力の異なった領域に敏感になり、 競り勝ったニューロンを中心に結合強度が変わるようになり、 入力を繰り返していくことによって学習を行う。

また、競合学習によって競い合うニューロンは図3.1のように、 各ニューロンに抑制性を持つシナプスで相互に接続された ニューラルネットワークと等価であると考えることができる。