Subsections
ネットワークが中期記憶, 長期記憶を形成することを確認する。
ネットワークに40種類のランダムパターンをパターン1からパターン40まで
順番にそれぞれランダムな回数, 合計40,000回入力し学習を行う。
学習後, 海馬モジュール, 連合野モジュールそれぞれのネットワークの結合荷重を
ホップフィールドニューラルネットワークに移し,
入力したパターンを記憶しているかどうかを確認し,
収束時のパターンと入力パターンとの類似度を記録する。
実験の結果をFigure 7.2とFigure 7.3に示す。
Figure 7.2は横軸が入力したパターン, 縦軸が
ホップフィールドネットワークで収束したパターンと入力パターンとの類似度であるグラフである。
図 7.2:
Relationship between the input pattern and similarity in normal times
![\includegraphics[height = 9.0cm]{graph1.eps}](img117.png) |
図 7.3:
Relationship between the input times and similarity in normal times
![\includegraphics[height = 9.0cm]{graph2.eps}](img118.png) |
パターンは1から40まで順に入力しているため, 横軸は入力した時の時間と言い換えることができる。
海馬モジュールは特に遅い時間に入力したパターンほど類似度が高い一方,
連合野モジュールは入力時間の影響をあまり受けていない。
Figure 7.3は横軸がパターンの入力数, 縦軸が
ホップフィールドで収束したパターンと入力パターンとの類似度であるグラフである。
海馬モジュールは入力回数に影響を受けていない一方,
連合野モジュールは入力回数が多いほど類似度が高い。
Deguchi Lab.
2017年3月6日