動的記憶想起モデルによる相関パターン認識

摘要

ホップフィールドによる静的記憶モデルでは，ネットワーク外部との接触は初期状態としての外部情報取得時のみに限られ，その後の状態遷移は閉じた系としてネットワーク状態がエネルギーの低い安定平衡点（ポイントアトラクタ）へ移行する緩和過程であり，記憶のモデルとして適用できる課題に限界がある．そこで我々は，この静的記憶モデルを外部との相互作用が可能な入出力系に拡張した動的記憶想起モデルを提案し，入力信号に対するネットワーク応答を基にその性能評価を行い，高いパターン識別性能を確認してきた．本研究では，記銘パターン数が増加した場合のパターン識別性能の評価を，互いに相関をもつ非直交パターン信号に対して実施し，モデルの汎用化の可能性を追及する．