Hopfieldモデルの連想記憶における偽安定点の検出に関する検討

スポンサーリンク

概要

論文の詳細を見る
Hopfieldモデルは、人間の脳に似たような優れた情報処理能力があり、従来のコンピュータが実行困難である最適化などの問題にも非常に有効で、超並列的な光学系で実現することができる。そのため、多くの研究者の注目を集めた。Hopfieldモデルによる連想の出力列はモデルの安定点に収束する特性がある。しかし、その安定点が必ず学習パターンであるとは保証されていない。実は、Hopfieldモデルにおいて、多数の安定点が学習パターンではない。この学習パターンではない安定点をHopfieldモデルの偽安定点という。Hopfieldモデルを用いた認識、制御など多くの応用システムにおいて、初期入力に対する連想の出力が少なくとも学習パターンであることが保証できるのは期待される。これに対して、本研究は、統計神経動力学を用いてHopfieldモデルの連想記憶における偽安定点の検出に関する検討を行う。
社団法人電子情報通信学会の論文
1994-09-26

著者

関連論文

もっと見る

スポンサーリンク