実験結果8

5.6.8項で求められた最大完全学習数$162$を得ることができる $\alpha$と $\mathit {\Delta } w$を$24$組を用いることにした。 この$24$組のカオスニューラルネットワークに時間減衰定数を考える場合において 最大完全学習数$149$を得ることができるパターンを入力した。 実験結果をに示す。 を見ると、$24$組すべてにおいて最大完全学習数が$149$より増える結果となっていることが確認できる。

しかし、最大完全学習数にはばらつきが見られた。 この結果から入力パターンによって$\alpha$と $\mathit {\Delta } w$による 学習効率は変わることが分かった。 このため本研究で求められた$\alpha$と $\mathit {\Delta } w$は、 あらゆるパターンに対して最適であるわけでは ないことが分かった。

すべての組において$149$を超えたという結果より、研究で得た$\alpha$と $\mathit {\Delta } w$は他の入力パターンでも有用であるのではないかと考えられる。 さらに学習効率は時間減衰定数を考えない場合のほうが時間減衰定数を考える場合の ほうより良い結果となることが分かった。

表 5.2: 実験8の学習結果

$\alpha$	$\mathit {\Delta } w$	時間減衰定数を考えない 場合の最大完全学習数
$0.18$	$0.00010$	155
$0.20$	$0.00010$	155
$0.21$	$0.00010$	155
$0.21$	$0.00011$	154
$0.22$	$0.00010$	155
$0.22$	$0.00011$	155
$0.22$	$0.00012$	154
$0.23$	$0.00010$	154
$0.23$	$0.00011$	155
$0.23$	$0.00012$	155
$0.24$	$0.00010$	154
$0.24$	$0.00011$	155
$0.24$	$0.00012$	152
$0.25$	$0.00010$	155
$0.25$	$0.00011$	154
$0.25$	$0.00012$	152
$0.26$	$0.00010$	155
$0.26$	$0.00011$	152
$0.26$	$0.00012$	152
$0.27$	$0.00010$	156
$0.27$	$0.00011$	155
$0.28$	$0.00010$	156
$0.29$	$0.00010$	155
$0.31$	$0.00010$	155