実験方法

逐次学習では入力パターンをカオスニューラルネットワークに入力する時、各パターンを連続して100回入力し、 それを全ての入力パターンが入力し終わるまで行う。 これが1回終わったとき1セットの学習が終了したとする。 それを50セット繰り返し、ネットワークに学習させた。 また、ネットワークが学習を成功できたかどうかを確認する必要がある。 これは同じ結合荷重の配分をもつホップフィールドネットのモデルを用いる。 ここへ先ほど入力させたパターンを入力し、想起されたパターンが入力パターンと同じであれば学習に成功したということになる。 入力パターンの数と学習に成功したパターンの数が同じだった場合、 それを完全学習と呼び、 そのときのパターン数を完全学習数と呼ぶ。 またパターン数が多くなっていくといずれ完全学習ができなくなる。 このとき、完全学習ができたなかで最もパターン数が多いものを最大完全学習数とする。 相関学習でも 式2.5 に従って同様のパターンを学習させ、それぞれの結合加重の分布を調べ、それらの各種統計量を求めることで比較検討を行う。 また、実験はここまですべて、学習させるパターンは１が50%、$-1$が50%の10×10の2次元配列のデータだが、 1と$-1$の割合に制限をせず、すべてランダムに生成されたパターンを学習させ、 パターンの違いによってそれぞれの学習性能に差はでるのかも検証する。