5.2.2 想起過程

 

を入力したとき， 各ニューロンの動作を式 (5.4) のようにする。 これをベクトルで表すと，式 (5.5) のようになる。

  

式 (5.3) で学習し，入力として記銘した入力パターンの一つ\ を与えると次式のようになる。

 

ここで，定数 c を式 (5.7) のようにしたとき， 式 (5.6) にこれを代入すると， 式 (5.8) のようになる。

  

このとき，入力パターン が互いに 直交している，すなわち，式 (5.9) の条件を満たす場合には， 式 (5.10) のようになる。

  

これで， 入力パターン から出力パターン を 正しく想起できたことになる。 しかし，式 (5.9) が満たされていない，つまり，直交してない場合は， 式 (5.8) の右辺第 2 項（相互干渉項）が 0 にならず， 正しい想起ができない。 ただし，記銘する出力パターン の各要素 が， -1,1 をとる離散値モデルの場合は，しきい作用（階段関数）を用いることにより， 入力パターン どうしが直交していなくても， 正しい想起が可能である。

本研究で使用するモデルは，連続値モデルであるが， ある程度しきい作用があるので，直交から多少ずれていても想起可能である。 したがって， である自己相関学習を使用して， 検索するパターンを学習させる。 これで，入力されたパターンに近いパターンが出力されるようになる。