指数型半直交連想記憶モデルに関する検討

スポンサーリンク

概要

論文の詳細を見る
連想記憶ニューラルネットワークは、人間の脳に似たような優れた情報処理能力がある。しかし、モデルのサイズに対して、連想記憶の容量は小さいということが指摘されている。この指摘を解決するため、いろいろな研究が行われ、改善された学習法や、新しい連想記憶モデルなどが多数提案された。その中、指数型BAM(e-BAM)モデルに注目が集められている。このモデルの記憶容量は、モデルのサイズに対して指数のオーダになる。ところが、従来のBAMモデルと同じように、このモデルにおいては連想の出力が連想の始まる領域に依存する問題が存在している。この問題を解決しなければ、統計の意味でe-BAMモデルの正確な連想率が0.5以上になれないことになる。半直交連想記憶(SAM)モデルにはこのような問題が存在していない。本研究では、SAMモデルのこの特性を利用し、連想の出力が連想の始まる領域に依存する問題が存在していない指数型SAMモデルを提案する。
社団法人電子情報通信学会の論文
1996-03-11

著者

関連論文

もっと見る

スポンサーリンク