相互結合型ニューラルネットワークのスプリアス状態回避法の検討

概要

論文の詳細を見る
Hopfieldによって提唱された相互結合型ニューラルネットワークは、エネルギー関数を極小化するダイナミックスを持つことが示されているが、このエネルギー関数には複数の極小値があり、局所的な極小値へ捕捉され最小値へ到達しないという問題が内在している。このスプリアス状態を回避する有効な手法として、ガウシアンマシン等のノイズを利用する確率的なネットワークモデルやカオスを用いたカオスニューラルネットワークモデルが提案されている。ノイズを利用したモデルでは、ノイズはランダムであり、ノイズとネットワークの状態の遷移時間には相関がない。しかし、現実には、膜電位の振動などによって、ニューロンの応答特性が規則的にゆらいでいることが観測されている。しかしながら、このようなゆらぎの効果が、実際、ニューラルネットワークにおいてどのような効果をもたらしているかは余り明らかにされていない。そこで、ニューラルネットワークにおける規則的なゆらぎの効果を明らかにする試みとして、これらの生理学的知見に基づいて、相互結合型ニューラルネットワークに時間的周期を持つゆらぎを導入する手法を提案し、その効果を調べることが本研究のねらいである。一般には、規則的なゆらぎ手法を導入するよりも、ノイズを用いた手法の方がこの種の回避問題には効果的であると信じられているが、この効果のスプリアス状態回避への影響をTSPをベンチマークとして詳細に検討したので報告する。
一般社団法人情報処理学会の論文
1996-09-04

相互結合型ニューラルネットワークのスプリアス状態回避法の検討

スポンサーリンク

概要

著者

関連論文

スポンサーリンク