実験概要[6]

階層型ニューラルネットワークに複数の時系列のデータ（現在の入力信号$s(t)$、1ステップ前の入力信号$s(t-1)$、2ステップ前の入力信号$s(t-2)$...）を入力するものをフィードバックのあるニューラルネットワークという。 このネットワークにおいて遡るステップ数をフィードバック数と定義する。 このネットワークの特性を本実験で評価する。 中間層の素子数、学習係数などのパラメータを固定させ、フィードバック数を変化させたときの学習性能を検証する。 次のようにパラメータを固定する。

• 学習係数：0.001
• 中間層の素子数：100
• 学習データ数：16
• 学習対象：正弦波、三角波、方形波、鋸波
• 結合荷重：乱数による割当
• 乱数の種：タイム関数による戻り値（同じ時間に結合荷重が再び初期化されることはなくする）

フィードバックするデータの数は最大が１周期分すなわち$1 \sim 15$までとする。それぞれの場合において特定の学習回数($10^1$,$10^2$,$10^3$,$10^4$,$10^5$)時の一周期における誤差の平均とその１周期内における最大誤差を記録した。