ネットワーク構造と記銘パターンの違いによる記憶容量への影響(一般,複雑系とニューロコンピューティング)

スポンサーリンク

概要

論文の詳細を見る
複雑ネットワークの分野では、ネットワーク構造の違いによる効率や性能の評価に、連想記憶の記憶容量を用いる研究が行われてきた。従来、このような研究ではランダムドットパターンが学習データに用いられてきた。その理由の一つに直交パターン(データの相互類似度が50%)を生成しやすいことが挙げられる。しかしデータに適したネットワークトポロジーがある可能性があり、ランダムドットパターンのみでネットワーク構造と記憶容量の関係を解析することは適切ではない。よって本研究では、ランダムドットパターンの他にシークエンシャルパターン及び文字パターンを用い、パターンの種類の違いがネットワーク構造の異なるニューラルネットワークにおいて、記憶容量にどのような影響を与えるのかを検討する。実験によりパターンの種類の違いで記憶容量の高いネットワークの構造が異なることが示された。
2012-01-19

著者

関連論文

スポンサーリンク