モジュール型神経回路網モデルの動的性質に関する定量的評価

模块化神经网络模型动态特性的定量评估

基本信息

批准号：
05780311
负责人：
小澤誠一
金额：
$ 0.58万
依托单位：
Osaka Kyoiku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1993
资助国家：
日本
起止时间：
1993 至无数据
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-05780311/
关键词：
神経回路網モジュール構造連想記憶

项目摘要

モジュール型神経回路網モデルとして、対称結合をもつ相互結合型神経回路網を複数個結合したものを取り上げた。このようなモデルにおける各モジュールの活性ダイナミクスとモジュール間の結合ダイナミクスは、ネットワーク全体のエネルギー関数を定義することで与えらる。本年度の研究は、このようなモデルの連想記憶能力をシミュレーション実験で定量的に評価することを目的とした。記銘するパターンとしては、各ビットが2値(±1)であるランダムベクトルを用い、総ニューロン数に対するパターン数(記憶率:r)で評価した。その結果、モジュール構造をもたない従来のホップフィールドネットに比べ、モジュール数が多すぎなければ、飛躍的に連想能力が向上することがわかった。例えば、総ニューロン数が500、モジュール数が2のとき、r=0.5で限界方向余弦d_C≒0.5、r=1.0でd_C≒0.7となった(ホップフィールドネットの場合、r≒0.2でd_C≒1.0となる)。さらに、与えられた問題に対して最適なモジュール数が存在し、それを越えると急速に連想能力が劣化する現象が見られた。この原因についての詳しい考察は、今後の課題とする。また、ここで用いたモジュール型神経回路網には、モジュールの状態間に多対多の関係がある場合でもうまく動作するような機能を付加している。これは、2つのモジュール間の相互作用を決定する階層型ネットワーク(インターネット)に両モジュールの状態を入力することで実現している。本研究では、この機能がうまく動作することも、多対多関係をもつ文字パターン対を使った実験により確認している。

作为模块化神经网络模型，我们采用了多个具有对称连接的互连神经网络连接的模型。通过定义整个网络的能量函数，给出了该模型中每个模块的活动动态以及模块之间的耦合动态。今年的研究旨在通过模拟实验定量评估此类模型的联想记忆能力。使用每位具有二进制值（±1）的随机向量作为要记忆的模式，并评估相对于神经元总数的模式数量（记忆率：r）。结果表明，与传统的没有模块结构的Hopfield网络相比，只要模块数量不太多，联想能力就可以得到显着提高。例如，当神经元总数为500个，模块数量为2时，r=0.5时临界方向余弦d_C≒0.5，r=1.0时d_C≒0.7（在Hopfield网的情况下，d_C≒1.0） r=0.2）。此外，据观察，对于给定的问题存在最佳的模块数量，当超过这个数量时，联想能力会迅速恶化。详细研究其原因将是未来的课题。此外，这里使用的模块化神经网络具有即使模块状态之间存在多对多关系也能良好运行的功能。这是通过将两个模块的状态输入到确定两个模块之间的交互的分层网络（互联网）来实现的。在这项研究中，我们通过使用具有多对多关系的字符模式对的实验证实了该功能运行良好。