非単調ダイナミクスを用いた構造をもつパターンの連想記憶
森田 昌彦，吉澤修治，中野 馨
概要：
相互結合のある神経回路網で，細胞の入出力特性を非単調にしたダイナミクスを用いると，自己相関型連想記憶モデルの能力が大きく向上し，従来の問題点の多くが克服される．本論文では，残された大きな問題である情報表現上の制約について議論する．これまで自己相関モデルにとって不可欠だと考えられていた記憶パターン間の直交性の条件は，非単調ダイナミクスを用いたモデルでは必要ない．しかも，記憶パターンの間の相関を積極的に利用することで，想起能力をより高めることが可能となる．また，学習の際に非単調ダイナミクスを用いると，従来の相関学習が改善され，情報表現に対する制約を更に緩和することができる．
キーワード：
神経回路網，連想記憶，非単調ダイナミクス，情報表現，相関学習の改良
Masahiko Morita, Shuji Yoshizawa and Kaoru Nakano
Abstract:
It has been considered that the autocorrelation type of associative
neural network does not work well unless stored patterns
are almost orthogonal with each other, which is an unsatisfactory
strong restriction on the representation of memory.
In this paper, it is reported that the autocorrelation model with
a nonmonotone function can memorize patterns which are substantially
correlated.
Moreover, this model can make good use of the correlation and increase
its recollection ability.
It is also presented that using nonmonotone dynamics, correlation
learning can be improved in a natural manner so that it may have
the virtue of orthogonal learning.
Keywords:
Neural networks, Associative memory, Nonmonotone dynamics, Information
representation, Improvement of correlation learning.