非単調神経回路網における動的アトラクタの形成機構

非单调神经网络动态吸引子的形成机制

基本信息

批准号：
07780304
负责人：
森田昌彦
金额：
$ 0.7万
依托单位：
University of Tsukuba
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：
1995
资助国家：
日本
起止时间：
1995 至无数据
项目状态：
已结题

项目摘要

筆者が提案した非単調神経回路網は,従来の神経回路モデルにはない多くの優れた性質をもち,近年大きな注目を集めている.昨年までの研究により,このモデルが動的パターンの記憶に適した力学的性質を備えていること,またその記憶が簡単な学習則で実現されるという非常に重要な事実が明らかになった.しかし,それらがどうして可能なのかについてはよくわかっていなかった.本研究では,動的パターンの記憶過程,すなわち動的アトラクタの形成機構を解明することを目的として,以下のような研究を行った.まず,離散的なパターン系列を記憶させた場合について,記憶後の系の力学的構造を,主に数値実験によって解析した.その結果,系の状態空間がいくつかの部分空間に分割されること,記憶した系列は,複数のアトラクティブな部分空間の共通部分に埋め込まれることなどがわかった.さらに,系の状態がある部分空間から他の部分空間へ遷移するメカニズムもほぼ理解することができた.次いで,連続的に変化する動的パターンを回路網に学習させる過程で,力学的構造がどのように変化するかを調べた.その結果,局所的なエネルギーを仮想的に考えると,アトランタの形成過程が非常に理解しやすいことがわかった.すなわち,系の現在状態とX学習信号Rの間の状態空間のエネルギーが学習によって低下し,Xの軌跡に沿って徐々にエネルギーの溝が掘られていく.同時にXからRへ向かう力が作用するため,溝の底には系列の進行方向に緩やかな流れが生成される.これにより,数回の学習の後には,学習信号の助けがなくても,自律的に学習した系列を再生することが可能になると考えられる.以上の大きな成果が得られたが,これを動的パターンの情報処理に応用することなどが今後の課題である.

作者提出的非单调神经网络具有许多出色的特性，这些特性在常规神经电路模型中没有发现，并且近年来引起了极大的关注。直到去年的研究揭示了一个非常重要的事实，即该模型具有适用于动态模式记忆的机械性能，并且通过简单的学习规则实现了它。但是，尚不清楚如何可能。在这项研究中，我们进行了以下研究，目的是阐明动态模式的记忆过程，即动态吸引子的形成机理。首先，对于存储离散模式序列的情况，主要通过数值实验分析了存储系统的机械结构。结果，发现系统的状态空间被分为几个子空间，并且存储的串联嵌入在多个吸引剂子空间的共同部分中。此外，还可以理解从一个子空间过渡到另一个子空间的机制。接下来，我们研究了在学习网络中学习连续变化的动态模式的过程中的机械结构如何变化。结果，我们发现，当实际上考虑了当地能量时，亚特兰大的形成过程非常容易理解。换句话说，通过学习和X学习信号r之间的状态空间中的能量通过学习减少，并且沿X的轨迹逐渐发掘了能量凹槽。与此同时，从X到R行为的力量，并且在序列轨道方向的凹槽底部产生了轻柔的流动。在学习时间几次之后，这是可能的，而无需学习信号。尽管已经获得了上述良好的结果，但是将其应用于动态模式的信息处理将是未来的挑战。